El producto Matriz Vector (MV) es una operación clave para una amplia variedad de aplicaciones científicas, tales como, simulación, ingeniería de control,algoritmos de búsqueda en Internet, procesamiento y reconstrucción de imágenes, etc. La relevancia de este tipo de operación en las ciencias computacionales se constata por el constante esfuerzo dedicado a optimizar el cálculo de MV en las plataformas computacionales de cada momento, que van desde las primeras computadoras en la década de los setenta a las más modernas arquitecturas multinúcleo. En muchos de estos problemas, las matrices involucradas son de tamaño elevado y dispersas, y están relacionadas con la resolución de sistemas de ecuaciones lineales, problemas de autovalores o ecuaciones diferenciales. La optimización del producto matriz dispersa vector (SpMV) es un reto debido a la irregularidad asociada a su computación, por lo que es necesario un esfuerzo adicional para que el cálculo de SpMV aproveche al máximo las capacidades de las distintas plataformas computacionales.