Sistemas lineares são modelos recorrentes na resolução de problemas em diversas áreas de conhecimento como simulação de fluidos, design de componentes eletrônicos, e até em áreas recentes como Deep Learning e análise de dados de redes sociais. Quanto mais precisa a descrição do problema for, mais variáveis devemos conhecer para resolver os sistemas lineares, chegando a sistemas que passam dos terabytes de armazenamento. Por isso, é importante entendermos os métodos de resolução para propormos melhorias em seus algoritmos, como por exemplo, otimizações de memória e pontos de paralelismo. Nesta palestra, vamos apresentar alguns estudos comparativos para diferentes métodos de resolução de sistemas lineares para matrizes cheias e esparsas.

Rafaela obteve o título de bacharel em Ciência da Computação pela Universidade do Estado do Rio de Janeiro (UERJ) em 2017 e o título de mestre em Ciências Computacionais pela UERJ em 2019. Atualmente cursando Doutorado em Computação pela Universidade Federal Fluminense (UFF), ela está participando de um programa de Doutorado Sanduíche no Laboratório de Informática de Paris 6 (LIP6) na França. Tem interesse nas áreas de Computação de Alto Desempenho, Computação em Nuvem e Aprendizado Federado.