TRANSFERENCIA DE CALOR EN ALETAS DE

ENFRIAMIENTO
(MTODO DEL GRADIENTE CONJUGADO)

8 de junio de 2014
Selene Aguilar Garcia, Rolando Martnez Aguilar, Irving Huerta Cornejo, Jos Andrs Ochoa Rosales
Resumen

En esta unidad se estudi brevemente la denicin y aplicaciones de una aleta de enfriamiento. Aqu se muestra
la resolucin de un problema referente a las temperaturas en una aleta de enfriamiento. Esto se logr aplicando el
mtodo numrico del gradiente conjugado, el cual consiste en la minimizacin de una matriz aplicando un gradiente,
este mtodo es til en el manejo de sistemas grandes y dispersos. Obteniendose satisfactoriamente las temperaturas
en cada uno de los puntos de la placa.

1.

Introduccion
La razn de la transferencia de calor desde una supercie que est a una temperatura

circundante que est a

Ts

hacia el medio

se expresa por la ley de Newton del enfriamiento como

Q conv = hAs (Ts T )

donde

As

es el rea supercial de transferencia de calor y h es el coeciente de transferencia de calor por con-

veccin. Cuando las temperaturas

Ts

se jan por consideraciones de diseo, como con frecuencia es el caso,

existen dos maneras de incrementar la razn de la transferencia de calor: aumentar el coeciente de transferencia
de calor por conveccin, h, o aumentar el rea supercial

As .

El aumento de h puede requerir la instalacin de una

bomba o ventilador, o reemplazar el existente con uno ms grande, pero este procedimiento puede no ser prctico
o adecuado. La alternativa es aumentar el rea supercial al agregar unas supercies extendidas llamadas aletas,
hechas de materiales intensamente conductores como el aluminio. Las supercies con aletas se fabrican al extruir,
soldar o envolver una delgada lmina metlica sobre una supercie. Las aletas mejoran la transferencia de calor
desde una supercie al exponer un rea ms grande a la conveccin y la radiacin.
En el anlisis de las aletas, se considera operacin estacionaria sin generacin de calor en la aleta y se supone
que la conductividad trmica k del material permanece constante. Tambin, por conveniencia en el anlisis, se supone que el coeciente de transferencia de calor por conveccin, h, es constante y uniforme sobre toda la supercie
de la aleta. Se reconoce que, en general, ese coeciente h vara a lo largo de la aleta as como de su circunferencia
y que su valor en un punto es una fuerte funcin del movimiento del uido en ese punto. El valor de h suele ser
mucho ms bajo en la base de la aleta que en la punta de la misma debido a que, cerca de la base, el uido est
rodeado por supercies slidas, las cuales obstaculizan seriamente su movimiento hasta el punto de asxiarlo, en
tanto que el uido cercano a la punta de la aleta tiene poco contacto con una supercie slida y, como consecuencia,
encuentra poca resistencia al ujo.

1.1.

Aplicacin de las aletas.

Las supercies con aletas son de uso comn en la prctica para mejorar la .transferencia de calor y a menudo
incrementan la razn de esa transferencia desde una supercie varias veces. El radiador del automvil. Las delgadas
hojas metlicas, colocadas muy cercanas entre s, que se sujetan a los tubos de agua caliente aumentan el rea
supercial para la conveccin y, por consiguiente, la razn de la transferencia de calor por conveccin desde los
tubos hacia el aire, muchas veces. Existen en el mercado gran variedad de diseos innovadores de aletas y parece
que la nica limitacin existente es la imaginacin (gura 1)

Figura 1: Diseos de aletas

1.2.

Ecuacin de la aleta

Considere un elemento de volumen en una aleta, en la ubicacin x, que tiene una longitud4x, un rea de seccin
transversal de

As

y un permetro de p, como se muestra en la gura 2.

Figura 2: Elemento de volumen de una aleta en la ubicacin x, con una longitud de

de

Ac

4x,rea

de la seccin transversal

y permetro de p.)
En condiciones estacionarias, el balance de energa sobre este elemento de volumen se puede expresar como

o sea

Q cond,x = Q (cond,x+4x) + Q conv

1.3.

Mtodo del gradiente.

Como su nombre lo indica, los mtodos con gradiente utilizan de forma explcita informacin de la derivada
para generar algoritmos ecientes que localicen el ptimos, antes de describir matemticas claves
Gradiente conjugado.
En matemtica, el mtodo del gradiente conjugado es un algoritmo para resolver numricamente los sistemas
de ecuaciones lineales cuyas matrices son simtricas y denidas positivas.

2.

Objetivos
Ob jetivo Principal

Obtener las temperaturas en aletas de enfriamiento.

Ob jetivo Secundario

Disear el mtodo de gradiente conjugado por medio del uso del software (Excel).
Obtener las temperaturas que hay en la placa aplicando el mtodo del gradiente conjugado.
Comprobar que las temperaturas obtenidas sean las adecuadas.

3.

Problema

Figura 3: Plano Calentadose

Los bordes del plano cuadrado se mantienen a las temperaturas mostradas (Figura 3). Suponiendo que la
conduccin de calor en estado estacionario, la ecuacin diferencial que rige la Temperatura T en el interior es

2T
2T
+
=0
x2
y 2
Si esta ecuacin se aproxima por diferencias nitas utilizando la malla se muestra, se obtienen las siguientes ecuaciones algebraicas para temperaturas en los puntos de malla:

4
1

0
0

1
4
1
0
1
0
0
0
0

0
1
4
0
0
1
0
0
0

1
0
0
4
1
0
1
0
0

0
1
1
1
4
1
0
1
0

0
0
0
0
1
4
0
0
1

0
0
0
1
0
0
4
1
0

0
0
0
0
1
0
1
4
1

Resolver estas ecuaciones con el mtodo del gradiente conjugado.

0
0

1
4

T1
T2

T3

T4

T5 =

T6

T7

T8
T9

0
0

150

150

100

100
250

4.

Metodologa
Mtodo del gradiente conjugado.

Considere el problema de encontrar el vector

que minimiza la funcin escalar.

f (x) =

1 T
x Ax bT x
2

Donde la matriz A es simtrica y denida positiva. Debido a que

f = Ax b

f (x)

se minimiza cuando la gradiente

es cero, vemos que la minimizacin es equivalente a resolver.

Ax = b

(1)

El mtodo de gradiente logra la minimizacin por iteracin, comenzando con un vector inicial
iterativo

x0

. Cada ciclo

computa una solucin distinguida.

xk+1 = xk + k sk
La longitud del paso

xk+1

k ,se

elige de manera que

xk+1

minimiza a

f (xk+1 )

en la direccin de bsqueda

sk .

Es decir,

debe satisfacer la ecuacin 1.

A(xk + k sk ) = b

(2)

Introduciendo el residuo.

rk = b Axk
La ecuacin 2 se convierte

Ask = rk

. Premultiplicando ambos lados por

k =

y resolviendo para

k ,

obtenemos:

sTk rk
sTk Ask

Todava nos queda el problema de determinar la direccin de bsqueda

f = rk

sTk

sk .

La intuicin nos dice que elegir

ya que esta es la direccin de la ms grande negativo cambiar en

f (x).

sk =

El procedimiento resultante se

conoce como el mtodo del descenso ms agudo. No es un algoritmo popular debido a la convergencia lenta. El
mtodo del gradiente conjugado ms eciente utiliza la direccin de bsqueda:

sk+1 = rk+1 + k sk
La constante

se elige de manera que las dos direcciones de bsqueda sucesivas son conjugadas (no intereren)
T
sTk+1 Ask = 0 Sustituyendo sk+1 de la ecuacin 3, se obtiene (rk+1
+ k sTk )Ask = 0, que

la una con la otra, es decir,

el rendimiento es:

k =

T
rk+1
Ask
T
sk Ask

Aqu se muestra el esquema del algoritmo de gradiente conjugado:

Se elige

x0

(cualquier vector, pero uno cercano a la solucin resulta en un menor numero de iteraciones).

r0

b - Ax0

s0

r0 (carece de un sentido de bsqueda anterior, seleccione la direccin de mxima pendiente).

Se hace un ciclo con k = 0,1,2,

sT rk
k Tk
sk Ask
xk+1 xk + k sk

rk+1
Si

b - Axk+1

rk+1

(3)

Bucle de salida (Criterio de convergencia;

T
rk+1
Ask
T
sk Ask

sk+1 rk+1 + k sk
5

es el error tolerado).

r1 , r2 , r3 , producidos por el algoritmo son ortogonales entre s;

rj = 0, i 6= j . Ahora supongamos que hemos llevado a cabo sucientes iteraciones haber computado
todo el conjunto de n vectores. El residuo resultante que resulta de la siguiente iteracin debe ser un vector nulo
(rn+1 = 0), lo que indica que la solucin se ha obtenido. Por tanto, parece que el algoritmo de gradiente conjugado
Se puede demostrar que los vectores residuales
es decir,

ri

no es un mtodo iterativo en absoluto, ya que alcanza la solucin exacta despus de n ciclos de clculo. En la
prctica, sin embargo, la convergencia se alcanza generalmente en menos de

iteraciones.

El mtodo del gradiente conjugado no es competitivo con los mtodos directos en la solucin de pequeos
conjuntos de ecuaciones. Su fuerza radica en el manejo de sistemas grandes y dispersos (donde la mayora de
elementos de

son iguales a cero). Es importante tener en cuenta que

multiplicacin por un vector; es decir, en la forma

Av ,

donde

entra en el algoritmo slo a travs de su

es un vector (ya sea

xk+1

sk ).

Si

es escaso, es

posible escribir una subrutina eciente para la multiplicacin y pasarlo a el algoritmo del gradiente conjugado.

5.

Solucin

6.

Conclusin
Se logr parcialmente el objetivo principal ya que el valor obtenido por medio del mtodo del gradiente conjugado

es un valor muy cercano al valor real.

7.

Anexos

7.1.

Software utilizado
Excel.
Latex.

7.2.

Dispositivo electrnico
Laptop.

Referencias
[1] Jann Kiusalaas., Numerical Methods in Engineering with MATLAB., CAMBRIDGE, (2005), Pg. 87-92,99-100.
[2] Steven C. Chapra, Raymond P. Canale, Mtodos numricos para ingenieros, Mc Graw Hill , (2010), Pg. 55
[3] Yunus A. Cengel, Afshin J. Ghajar, Transferencia de calor y masa fundamentos y aplicaciones , Mc Graw
Hill , (2011), Pg. 163-165