L

G
E
B
R
A

L
I
N
E
A
R
to
d
o
s o
s co
n
ce
ito
s, g
r

co
s e
f
rm
u
la
s n
e
ce
ss
ria
s, e
m
u
m
s
lu
g
a
r.
Gobooks.com.br
PucQuePariu.com.br
1. O QUE LGEBRA LINEAR?
VETORES, OPERAES E ESPAOS VETOR
Um vetor uma lista ordenada de nmeros. Podemos usar uma interpretao geomtrica para enxergar
melhor o que um vetor; essa interpretao basicamente pensar no vetor como uma "seta" que d uma
direo, sentido e tem um certo tamanho.
Por exemplo, o vetor (3,2) que pertence ao R.Sua interpretao geomtrica marcar no plano cartesiano
o ponto x=3 , y=2 e ligar a origem (0,0) at esse ponto.

OPERAES
Soma de vetores - Fazer a soma de vetores basicamente somar as coordenadas.
Subtrao de vetores - A subtrao de vetores igual soma, a nica diferena que voc vai subtrair
cada coordenada invs de som-las.
Multiplicao por escalar - Essa operao consiste em pegar UM nmero real e multiplicar um vetor , esse
nmero (escalar) multiplica cada coordenada do vetor.
COMBINAO LINEAR E INDEPENDECIA LINEAR
Combinao linear tentar escrever um vetor como combinao de outros. Para fazer uma combinao
linear usamos as operaes que acabamos de apresentar de forma conjunta para tentar chegar ao vetor
original.
Exemplo: Existem escalares , tal que *(1,2)+*(1,1) = (2,3)? Podemos ler isso como O vetor (2,3)
combinao linear de (1,2) e (1,1)?
*(1,2)+*(1,1) = (2,3) => (*1+ *1 , *2 + *1 ) = (2,3)
= 1 = 1
logo, (2,3) combinao linear de (1,2) e (1,1).
Quando um vetor combinao linear de outros dizemos que eles so Linearmente Dependentes (LD).
No exemplo acima, (2,3) LD com (1,2) e (1,1); caso no existissem e que resolvessem aquele sistema,
diramos que eles so Linearmente Independentes (LI).
Para sabermos se n vetores {v1,v2, ..., vn} so LI's ou LD's fazemos como a seguir. Sea1,a2,..., an so escala-
res, olhamos para o sistema
a1*v1 + a2*v2 + a3*v3 + ... + an*vn = 0 (vetor nulo)
RESUMO
LGEBRA LINEAR
POR:
Giovanni
Tramontin
e
te salvando de novo.
Agora com o:
claro que a1=a2=a3=...=an=0 soluo. Se essa for a nica soluo, ento os vetores {v1,v2...vn} so LI.
Caso contrrio, eles so LD.
PARAMETRIZAO
possvel descrever espaos em funo de vetores, a isso se d o nome de parametrizao. A primeira
coisa com que preciso se preocupar qual a dimenso do espao que queremos descrever. Por exemplo,
uma reta tem dimenso um, um plano tem dimenso dois, um ponto tem dimenso zero.
Isso importante porque o nmero de dimenses do seu espao o nmero de vetores LI's necessrios
para descrev-lo. Cada vetor LI d uma direo, dimenso nova: esses vetores so chamados vetores
diretores.
Sabendo a dimenso agora preciso saber por onde o espao passa, por quais pontos.
Conhecendo 1 ponto do espao e vetores LI's desse espao voc consegue defni-lo fazendo:
P->Ponto
{v1...vn} -> vetores LI's
{t1...tn} -> parmetros reais
S = P + t1*v1 +t2*v2 +...+ tn*vn{t1...tn} variam
Por que isso?
Olhando somente para ( t1*v1 +t2*v2 +...+ tn*vn) percebemos que isso uma combinao linear, ou seja,
como os parmetros so variveis livres, estamos defnindo TODOS os vetores gerados por {v1...vn}; isso
fcar mais claro no exemplo. Ao somarmos um ponto, estamos fxando a posio desses vetores (pois
Por que isso? Se no sistema abaixo a1 0, ento
a1*v1 + a2*v2 +a3*v3 = 0 -> -a1*v1 = a2*v2 +a3*v3 ->v1= -(a2*v2+a3*v3)/a1
ou seja, v1 combinao de v2 e v3, sendo ento LD. Logo, para que v1, v2 e v3 sejam
LI's, deve ser a1=0. O mesmo pode ser feito para provar que a2 e a3 devem ser 0.
Exemplo: Vamos parametrizar um plano que passa no ponto (0,0,0) e contm os
vetores (1,1,1) e (1,0,1). Perceba que eles so LI's usando a formula j mencionada.
Ento a parametrizao seria: = (0,0,0) + t(1,1,1) + s(1,0,1), ou simplifcando: =(t+s,t,t+s). t e s so
variveis livres. O nmero de variveis livres d a dimenso do espao, no caso dois, logo dois vetores LI's,
um plano.
EQUAES CARTESIANAS
Outra forma de defnir espao atravs de sistemas de equaes cartesianas: a soluo do sistema o
espao gerado. Nas equaes cartesianas no aparecem os parmetros, mas sim as coordenadas cartesi-
anas.
O mais importante nesse tpico saber reconhecer a dimenso do espao gerado olhando para as
equaes cartesianas.
preciso ter em mente que cada equao "prende" uma varivel. Por exemplo, pensando em uma
equao do R, como x+y+z=0, podemos escrev-la de forma que x dependa de y e z, deixando de ser
livre: x= -z-y. Quando prendemos uma varivel, perdemos uma dimenso.
Assim, cada equao tira uma dimenso do meu espao. A dimenso mxima dada pelo domnio: se o
domnio R^4, ento a dimenso mxima do espao 4.
Exemplo:
emR
4
:
{x+y+z+w=0
{z+w=0
Como so 2 equaes independentes (no so combinaes), prendemos 2 variveis, ento a dimenso
vai ser dada por 4 2=2, isto , temos um plano emR
4
.
Como passar da cartesiana para paramtrica?
Usando o mesmo exemplo, sabemos que a equao paramtrica de R^4, ento ela vai ter a cara (x,y,z,w).
Sabemos que z+w=0, donde z=-w, e que x+y+z+w=0. Substituindo z=-w, temos que x+y-w+w=0, ou x=-y.
Conclumos que x=-y e z=-w. Sendo assim, y e w so as variveis livres os parmetros do nosso espao
e a parametrizao fca ( -y,y,-w, w).
ESPAO GERADO
O espao gerado pelo conjunto de vetores {v1,v2,...,vn} o conjunto de todas as combinaes lineares de
v1,v2,v3...vn.
Notao: Sendo S o espao gerado e {v1, ... ,vn} vetores contidos nesse espao, defnimos espao gerado
como
S = <v1,v2, ... ,vn> (pode-se ler isso como, S o espao gerado por v1,v2...vn
2. SISTEMAS LINEARES E SUAS DIFERENTES FORMAS DE INTERPRETAO
SISTEMAS LINEARES
So um conjunto de equaes cartesianas. Um vetor reposta deve satisfaz-las todas, ao mesmo.
FORMA MATRICIAL DE SISTEMAS LINEARES
Um sistema linear pode ser entendido como uma multiplicao Matriz-Vetor da forma A*x = b, onde A a
matriz cujas entradas so os coefcientes que multiplicam o vetor incgnita (ou vetor reposta) x = (x,y,z,...),
e b o vetor dos termos independentes.
Exemplo: Dado esse sistema

podemos escrev-lo da forma


ou tambm como

possvel tambm ver o Sistema Linear como uma combinao linear de vetores. Usando o mesmo
exemplo, podemos escrev-lo da seguinte forma

Ou seja , o sistema tem soluo se o vetor (100,1250) pertence ao espao gerado pelos vetores (1,10) e
(1,20).
SISTEMA HOMOGNEO
o sistema linear cujo vetor b dos termos independentes totalmente nulo. Em forma matricial, um
sistema homogneo tem a forma A*x =0.
comum aparecer a denominao sistema homogneo associado. O sistema homogneo associado a um
sistema Ax=b simplesmente o sistema Ax=0.
importante notar que se obtivermos uma soluo particular (xp) do sistema e a soluo geral do
homogneo associado, obtemos todas as solues do sistema. Isso porque A*(xp)=b e A*(x) = 0, e soman-
do as duas equaes temos A(x+xp)=b, donde a soluo geral do sistema dada por xp+x.
RESOLUO DE SISTEMAS
Existem vrias formas de resolver sistemas. A mais conhecida a substituio, que consiste em isolar uma
varivel em uma equao e substituir na outra at s sobrar uma.
No entanto a mais efciente o escalonamento, que consiste em usar a matriz do sistema e atravs de
combinaes das linhas transform-la em uma matriz triangular superior.
Exemplo:

Fazendo -10 * a primeira linha + a segunda linha temos

ou seja, 10*y=250, y=25, substituindo na de cima temos, x+25=100 x = 75
INTERPRETAO DAS SOLUES DE UM SISTEMA
Existem trs possibilidades para a soluo de um sistema
Sistema Possvel Determinado (SPD).
Esse tipo de soluo defne um nico vetor resposta x para o sistema. Em termos de combinaes lineares,
o vetor b pode ser escrito como combinao das colunas da matriz A de forma nica. Geometricamente
falando, dizemos que essa soluo um ponto no espao.
Sistema Possvel Indeterminado (SPI)
Esse tipo de soluo defne infnitos vetores resposta x para o sistema. A soluo pode ser uma reta, um
plano, um hiperplano... Ou seja, o vetor b pode ser escrito de infnitas formas como combinao dos
vetores coluna de A.
Sistema Impossvel (SI)
Esse tipo de sistema no tem soluo: no existe x que satisfaa o sistema. Em outras palavras, o vetor b
est fora do espao gerado pelos vetores coluna da matriz A.
3. SUBESPAOS, ESPAOS VETORIAIS E BASES
ESPAO VETORIAL
Para que um conjunto seja um espao vetorial preciso que seus elementos (vetores, matrizes, funes,
etc) respeitem os oito axiomas - quatro da soma, quatro da multiplicao. So eles:
SUBESPAO VETORIAL
Um subespao vetorial um subconjunto de um espao vetorial que , em si, tambm um espao vetorial.
Assim, para que um subconjunto seja um subespao vetorial preciso que seus elementos respeitem
duas regras:
Se somarmos dois elementos quaisquer desse subconjunto, o resultado deve ainda pertencer ao
subconjunto.
Se multiplicarmos um elemento qualquer do subconjunto por um escalar qualquer, o resultado deve
ainda pertencer ao subconjunto.
DICA: Caso seja pedido para verifcar se um conjunto ou no um subespao, prossiga como a seguir.
1. Defna um elemento genrico do seu conjunto: tenha certeza de que todas as condies do conjunto
esto satisfeitas por esse elemento.
2. Tome dois elementos genricos distintos, some-os e verifque se o resultado ainda satisfaz todas as
condies do conjunto. Se no, no subespao.
3. Multiplique um elemento genrico por um escalar qualquer e verifque se o resultado ainda satisfaz
todas as condies do conjunto. Se no, no subespao; se sim, um subespao!
Observe que se ele respeita essas duas condies, a origem obrigatoriamente pertence ao conjunto.
Exemplos: Um plano que passa pela origem um subespao. No entanto, o primeiro quadrante do plano
cartesiano no : se multiplicarmos um vetor qualquer do primeiro quadrante por -1, o vetor resultante
no estar no primeiro quadrante.
BASE
Pode-se entender a base como as coordenadas de um espao vetorial: a partir dos elementos da base
possvel escrever qualquer elemento do subespao como uma combinao linear nica. Isso signifca que
a base possui somente elementos LI's, e eles so na quantidade exata, isto , na dimenso desse espao
vetorial. Se o espao vetorial tem dimenso n, uma sua base ter n elementos LI's.
MUDANA DE BASE
Mudar a base de um espao simplesmente mudar as coordenadas do seu espao: o espao o mesmo,
o que muda apenas como ele descrito.
Exemplo: O vetor (2,3) est escrito na base cannica, mas se quisermos escrev-lo na base = {(1,1),(1,0)}
isto , se quisermos os coefcientes da combinao linear dos vetores de que gera (2,3) , ento deve-
mos resolver (2,3) = a(1,1)+b(1,0). Teremos a =3 e b=-1; em outras palavras, o vetor (2,3) se escreve na base
como (3,-1).
4. TRANSFORMAES LINEARES E SUAS APLICAES
TRANSFORMAO LINEAR(TL)
Uma transformao linear o anlogo s funes de nmeros reais, porm com vetores. Pode-se pensar
nela como uma mquina, um vetor do espao que passe pela mquina modifcado, e sai diferente do
outro lado.
Uma transformao linear T entre espaos vetoriais no uma funo qualquer. Para que uma funo
entre espaos vetoriais seja uma TL, ela deve satisfazer para quaisquer vetores u,v e escalar c:
T(v+u)=T(v)+T(u)
T(c*v)= c*T(v)
Observe que toda TL satisfar, como consequncia, T(0) = 0.
FORMA GERAL DE UMA TRANSFORMAO
Dizemos que uma transformao linear est escrita na forma geral se est em uma notao que mostra o
que a transformao faz em um vetor genrico.
Exemplo: Uma transformao T: R->R dada por T(x,y,z)=(x+y+z,x,z) est escrita na forma geral. Se tomar-
mos, por exemplo, o vetor (1,2,3) teremos T(1,2,3) = (1+2+3,1,3)=(6,1,3).
FORMA MATRICIAL
Uma TL pode sempre ser escrita como uma matriz, o que facilita contas, pois aplicar a transformao em
um vetor equivale a multiplicar a matriz pelo vetor.
O primeiro passo para montar a matriz de uma TL saber o tamanho dela. Essa informao vem do Dom-
nio e do Contradomnio: dada uma TLR
m
->R
n
, m o Domnio e n o Contradomnio. Dessa forma a matriz
da TL vai ser n x m(n linhas e m colunas), ou seja, Contradomnio x Domnio.
O segundo passo saber em qual base estamos trabalhando; se no for mencionado considera-se a base
cannica. Conhecida a base, basta aplicar a TL cada um de seus vetores, o resultado de cada TL uma
coluna da matriz da transformao.
Obs.: importante respeitar a ordenao da base, isto , a primeira coluna deve corresponder imagem
pela TL do primeiro vetor da base e analogamente para os demais.
Exemplo: Considere a TL T: R-> R dada por T(x,y,z)=(x+y+z,x,z).Aplicando-a aos vetores da base, no caso
os vetores cannicos, obtemos:
T(1,0,0) = (1,1,0)
T(0,1,0)=(1,0,0)
T(0,0,1)=(1,0,1)
donde a matriz fca:
NCLEO, IMAGEM E BIJEO
O ncleo(Nuc) de uma TL so todos os vetores do domnio que quando transformados levam ao vetor
nulo. Para descobrir o Ncleo de uma transformao basta resolver o Sistema T(v)=0; os vetores v que
satisfazem esse sistema compem o Ncleo.
A Imagem(Im) de uma TL a "cara da mquina": como um vetor genrico sai depois de transformado.
Para descobrir a imagem de uma transformao, basta analisar o subespao gerado pela transformao
de uma base do domnio. Por exemplo, se o domnio R, basta tomarmos trs vetores LI's, transform-los
e analisar o subespao gerado por eles.
Uma TL injetora se o nico vetor do ncleo o vetor nulo, ou seja, quando a dimenso do ncleo 0.
Uma TL sobrejetora se sua imagem tem a mesma dimenso do Contradomnio.
Uma TL bijetora se for simultaneamente injetora e sobrejetora.
Uma TL quadrada se seu domnio e contradomnio tm a mesma dimenso, digamos n. Note que nesse
caso sua matriz ser n x n.
Propriedades:
dim(Nuc)+ dim(Im) = dim(Domnio); isso se aplica a toda TL
Uma TL quadrada injetora se e somente se ela sobrejetora. Com efeito, se ela injetora, dim(Nuc) = 0,
dondedim(Im) = dim(D), pela propriedade anterior. Como dim(D)=dim(CD), pois a TL quadrada, segue
quedim(Im)=dim(CD), isto , a TL sobrejetora. A implicao contrria anloga.
COMPOSIO DE TL'S
Dadas duas TL's T e S, para que a composta S(T(v)) faa sentido, necessrio que o contradomnio de T
tenha a mesma dimenso do domnio de S. Nesse caso, podemos usar a forma matricial para avaliar
S(T(v)): basta fazer a multiplicao das duas matrizes S * T, e aplicar o resultado a v. Com efeito, a matriz
produto S*T a matriz da composta de S com T.
TRANSFORMAO DE MUDANA DE BASE
J vimos que para achar a forma matricial de uma TL precisamos da imagem dos vetores da base. Mas e se
tivermos mais de uma base, digamos e ? Suponha que queiramos achar uma transformao que,
quando aplicada a um vetor escrito na base , produza o mesmo vetor, porm escrito na base . Chama-
mos uma tal transformao de uma mudana de base.
Lembre que as colunas da matriz de uma TL so as imagens dos vetores da base pela TL. Assim, as colunas
de uma mudana de base de para , sero os vetores de escritos na base .
Exemplo: Da base cannica = {(1,0),(0,1)} para a base = {(1,1),(1,0)}.
T(1,0) =(0,1), as coordenadas do vetor (1,0) de escrito na base
T(0,1) =(1,-1), as coordenadas do vetor (0,1) de escrito na base
MATRIZ INVERSA
5. PRODUTO INTERNO, NGULOS ENTRE VETORES, COMPLEMENTO ORTOGONAL E
APLICAES
PRODUTO INTERNO
Exemplo: v=(a,b) e w=(c,d), <v I w> = a*c + b*d
O resultado do produto escalar de dois vetores um nmero real.
NGULO ENTRE VETORES
possvel determinar o cosseno do angulo entre dois vetores no-nulos usando o produto escalar, atravs
da formula:
Um caso especial quando = /2, ou seja, quando os vetores so perpendiculares. Nesse caso, cos(/2)
= 0, logo substituindo na equao acima temos que < u I v> = 0 se e somente se u for perpendicular a v.
Observe que o vetor nulo perpendicular a todos os vetores.
COMPLEMENTO ORTOGONAL
O complemento ortogonal V de um subespao vetorial H o maior subespao vetorial com a seguinte
propriedade: qualquer vetor de V perpendicular a H, isto , a todo vetor de H. Nesse caso, escrevemos V
= e dizemos que V o complemento ortogonal de H.
Um bom exemplo visual pensar em um plano e uma reta perpendicular ao plano: qualquer vetor da reta
perpendicular a todo vetor do plano.
Para calcular o complemento ortogonal de um subespao H, montamos uma matriz A cujas linhas so os
vetores de uma base de H. O complemento ortogonal ser ento o Ncleo da matriz A, ou seja, devemos
resolver o sistema A*x=0.
6. O QUE DETERMINANTE DE UMA MATRIZ E SUAS INTERPRETAES
GEOMTRICAS
DETERMINANTE
O determinante uma funo que associa a cada matriz real quadrada A um nmero denotado por
det(A); esse nmero uma generalizao de rea e volume. Para uma matriz 2x2, consideramos as colunas
da matriz como arestas de um paralelogramo apoiado na origem, e calculamos sua rea.
Propriedades:
CLCULO DO DETERMINANTE
Para matrizes 2x2 temos
Det(A) = ad cb
Para matrizes 3x3 temos
Det(A) = aei-ahf+ dhc-dbi+ gbf-gec.
PROPRIEDADES DO DETERMINANTE
1. O determinante linear em cada coluna
2. O determinante linear em cada linha
3. O determinante zero se e somente se as colunas ou as linhas so LDs
4. Det(Id)=1
5. Se trocarmos duas colunas, ou duas linhas, o determinante troca de sinal
6. Det(A*B)=Det(A)*Det(B)
7. Det(A) =Det(AT)
8. O determinante de uma matriz triangular (superior ou inferior) o produto dos elementos da diagonal.
9. So equivalentes: Det(A) = 0; A no invertvel; as colunas de A so LDs; as linhas de A so LDs; Nuc(A)
0.
Agora podemos calcular o determinante de matrizes n x n para qualquer n: basta escalon-la e usar as
propriedades 5 e 8! Lembre que caso haja troca de linhas, o determinante muda de sinal para cada troca.
PRODUTO VETORIAL
A operao de produto vetorial resulta num vetor perpendicular a todos os outros vetores de um
subespao. Em outras palavras, o produto escalar do resultado com cada um dos vetores originais 0.
Usaremos essa operao apenas em R.
O produto vetorial de u e v denotado por u x v. Podemos calcular esse vetor montando uma matriz M de
modo que u seja a segunda linha de M e v a terceira. Pondo enfm(i,j,k) os versores da base como a
primeira linha, o determinante de M nos d u x v.
Exemplo: u = (1,1,1) , v=(-1,1,-1) , u x v
O determinante dessa matriz :-2*i + 0*j + 2*k = -2*(1,0,0) + 0*(0,1,0) + 2*(0,0,1) =
(-2,0,2).Esse vetor w o resultado da operao u x v. Observe que <u|w>=0 e <v|w>=0, como esperado.

PROPRIEDADES DO PRODUTO VETORIAL
7. AUTOVALORES E AUTOVETORES DE UMA MATRIZ E COMO DIAGONALIZ-LA
AUTOVALORES E AUTOVETORES
Dada uma matriz A, se um nmero real e um vetor no-nulo v satisfazem A*v = *v, ento dizemos que
autovalor de A e que v um autovetor de A associado a . Geometricamente, isso signifca que a direo
de v preservada por A, o tamanho de v modifcado por um fator || e o sentido invertido se for
negativo.
Note que se v autovetor de A associado a , qualquer mltiplo no-nulo de v tambm autovetor de A
associado a .
CLCULO DE AUTOVALORES E AUTOVETORES
Os autovalores de uma matriz A so soluo da equao Det(A *Id)=0, onde Id a matriz identidade.
Essa uma equao polinomial, cujas razes so os autovalores de A.
Exemplo: Calcule os autovalores de A
Fazendo A *Id temos
o determinante dessa matriz (1-)*(-1- ) (1*1) = -2 + . Devemos ento achar as razes de p()= - 2.
So elas:
Agora que sabemos os autovalores, podemos descobrir os autovetores associados a eles. Para isso chama-
mos v de um vetor genrico (x,y) e, para cada valor de , resolvemos o sistema A*(x, y) = ( *x , *y).
PROPRIEDADES DOS AUTOVALORES
Uma matriz n x n tem n autovalores, contadas as multiplicidades (como raiz de polinmio).
A soma dos autovalores de uma matriz o trao da matriz.
O produto dos autovalores de uma matriz o determinante da matriz.
Se uma matriz triangular, seus autovalores so os elementos da diagonal.
Se uma matriz simtrica, todos seus autovalores so reais, e autovetores associados a autovalores
distintos so perpendiculares entre si.
DIAGONALIZAO
Diagonalizao um tipo de decomposio matricial. Diagonalizar uma matriz A encontrar uma matriz P
invertvel e uma matriz diagonal D tais que A=P*D*P
-1
. Nesse caso, os autovalores de A so as entradas
diagonais de D (veja abaixo).
Observe que as colunas de P so autovetores de A. Note que como precisamos que P seja invertvel,
devemos ser capazes de encontrar uma base do nosso domnio composta de autovetores de A eles
devem ser LIs; caso contrrio det(P) = 0 e no haver inversa.
Exemplo: Encontre a decomposio espectral da matriz A
Primeiramente, vamos encontrar os autovalores de A, as razes de det(A-*Id):
As razes desse polinmio so -1 e 2, logo os autovalores de A so -1 e 2. Agora devemos encontrar os
autovetores de A associados a -1 e 2. Para os autovetores associados a -1:
A*(x,y)=(-x,-y) equivale ao sistema x+y=-x; 2x=-y
Assim, o autovetor associado a -1 da forma (t,-2t), t real. Tomaremos t = 1, obtendo um autovetor
v1=(1,-2) associado a -1.
Para os autovetores associados a 2:
A*(x,y)=(2x,2y) equivale ao sistema x+y=2x; 2x=2y
Assim, o autovetor associado a 2 da forma (t,t), t um real. Tomaremos novamente t = 1, obtendo um
autovetor v2=(1,1) associado a 2.
Como os autovetores so LIs, podemos diagonalizar A. Teremos
A inversa de P :
Enfm, a decomposio fca A =P*D*P
-1
. Verifque que multiplicar as trs matrizes encontradas nessa
ordem resultar em A.
Obs.: Os autovalores nas entradas diagonais de D e os autovetores-coluna em P devem respeitar a mesma
ordem. Em outras palavras, a primeira coluna de P deve ser um autovetor associado primeira entrada
diagonal de D, e analogamente para as demais.
No exemplo acima, 2 o autovalor associado a (1,1). Observe que 2est na segunda coluna de D, e o vetor
(1,1) a segunda coluna de P.
Esse resumo foi feito pelo monitor e professor particular
Giovanni Tramontin.
Quando as coisas apertam de verdade, as aulas particulares podem te salvar!
Contato para aulas:
giovannitramontin@hotmail.com
www.facebook.com/giovanni.tramontin
98851-9104