Este trabalho apresenta um estudo sobre os problemas inversos de restauração de imagem, abordando os clássicos métodos de projeção tsvd e lsqr para solução de problemas de grande porte e sugere a abordagem dessa problemática na disciplina de álgebra linear do ensino superior, contribuindo para ampliar o entendimento de conceitos como espaço vetorial e subespaço. partindo do pressuposto que o processo de embaçamento de imagens é linear, algumas funções de propagação de ponto são apresentadas para posteriormente serem usadas na modelagem dos problemas de restauração. o método tsvd trunca a solução clássica de mínimos quadrados escrita em termos da decomposição em valores singulares da matriz a, descartando a informação relacionada aos menores valores singulares, a fim de amenizar a contribuição do ruído na solução. embora este seja um método poderoso, o alto custo computacional necessário para calcular a svd torna inviável sua utilização em problemas de grande porte. já o método lsqr constrói uma sequência de soluções sobre os subespaços de krylov k_j=(a^ta,a^tb) e obtém boa parte das informações relevantes do problema com relativamente poucas iterações. para exemplificar esse fenômeno, o trabalho mostra o comportamento das soluções para alguns problemas numéricos com e sem ruído nos dados. ao final, propõe uma sequência de aulas e alguns exercícios para uma primeira disciplina de álgebra linear que exploram os problemas de restauração de imagem com solução via método lsqr.