Por concreción, supongamos que estamos calculando el momento de inercia del copo de nieve de Koch $K$ de densidad uniforme y masa 1 mostrado a la izquierda a continuación. Este copo de nieve está centrado en el origen y tiene un diámetro de 3, es decir, la distancia máxima entre dos puntos es tres. A partir de aquí, sería fácil calcular el momento de inercia de otro copo de nieve de Koch de diferente tamaño y densidad uniforme, siempre y cuando esté centrado en el origen.
El momento de inercia de este copo de nieve $K$, según entiendo, es simplemente $$\iint\limits_{K} (x^2+y^2) \, dA$$ dividido por el área del copo de nieve. Hay muchas herramientas que pueden calcular esto numéricamente. Usando Mathematica, llegué a 0.813719. (Puedo proporcionar el código, si se desea).
Este valor también se puede calcular exactamente utilizando la teoría de la integración auto-similar como se describe en el artículo de Bob Strichartz Evaluating Integrals Using Self-similarity. Aplicando esto, calculé un valor exacto de $9/11$ o $0.\overline{81}$. El resto de esta respuesta describirá ese proceso, aunque requiere un conocimiento bastante sofisticado de auto-similaridad y teoría de la medida.
Usaremos el hecho de que el copo de nieve de Koch es auto-similar, compuesto por 7 copias de sí mismo como se muestra en la figura de arriba a la derecha. El factor de escala para la pieza central es $1/\sqrt{3}$ y es $1/3$ para las otras. Supongamos que las funciones en el mapeo IFS $K$ en las piezas individuales son $T_0,T_1,\ldots,T_6$, con $T_0$ mapeando en la pieza central. Las funciones exactas en el IFS son
\begin{align} T_0(x,y) &= \frac{1}{\sqrt{3}}R\left(\frac{\pi}{2}\right)\left(\begin{array}{c}{x\\y}\end{array}\right) \\ T_{i}(x,y) &= \frac{1}{3}\left(\begin{array}{c}{x\\y}\end{array}\right) + \left(\begin{array}{c}{\cos\left(\frac{\pi}{6} + i\frac{\pi}{3}\right)\\ \sin\left(\frac{\pi}{6} + i\frac{\pi}{3}\right)}\end{array}\right), \end{align}, donde $\varphi$ varía de $\pi/6$ a $11\pi/6$ en pasos de $\pi/3$ y $R(\pi/2)$ representa una rotación a través del ángulo $\pi/2$.
Como explica Strichartz, la integral de una función $f$ definida en un conjunto auto-similar se puede calcular con respecto a cualquier medida auto-similar $\mu$. Especializando un poco nuestra notación para tratar con este problema específico, una medida $\mu$ en $\mathbb R^2$ se llama auto-similar con respecto a una lista de pesos $p_0,p_1,\ldots,p_6$, si satisface $$\mu(A) = \sum_{i=0}^6 p_i \mu(T_i^{-1}(A)$$ para todo $A\subset\mathbb R^2$. Como resultado, cualquier integral con respecto a $\mu$ satisfará $$\int f d\mu = \sum_{i=0}^6 p_i \int f \circ T_i \, d\mu.$$ Según lo explicado en el artículo de Strichartz, hay una medida única $\mu$ que satisface la condición de auto-similaridad para cualquier lista dada de probabilidades $p_0,p_1,\ldots,p_6$. Necesitamos elegir las probabilidades de modo que la medida $\mu$ sea uniforme. Dado un IFS con factores de escala $r_0, r_1, \ldots, r_6$, una medida uniforme se puede construir eligiendo $p_i = r_i^s$, donde $s$ satisface la ecuación de Moran $$\sum_{i=0}^6 r_i^s = 1.$$ Esto da como resultado la lista de probabilidades $p_0=1/3$ y $p_i = 1/9$ para $i=1,\ldots,6$.
Ahora, dado que la masa total de $K$ con respecto a $\mu$ es 1, ciertamente tenemos que la integral de una constante es simplemente esa constante, es decir, $$\int c \, d\mu = c.$$ Podemos usar la auto-similaridad de la integral para calcular las integrales de $f_1(x,y)=x$ y $f_2(x,y)=y$ de la siguiente manera. Escrito como una lista de funciones que devuelven pares ordenados, el IFS es
\begin{align} T_0(x,y) &= \left(-\frac{y}{\sqrt{3}},\frac{x}{\sqrt{3}}\right) \\ T_1(x,y) &= \left(\frac{x}{3}+\frac{\sqrt{3}}{2},\frac{y}{3}+\frac{1}{2}\right) \\ T_2(x,y) &= \left(\frac{x}{3},\frac{y}{3}+1\right) \\ T_3(x,y) &= \left(\frac{x}{3}-\frac{\sqrt{3}}{2},\frac{y}{3}+\frac{1}{2}\right) \\ T_4(x,y) &= \left(\frac{x}{3}-\frac{\sqrt{3}}{2},\frac{y}{3}-\frac{1}{2}\right) \\ T_5(x,y) &= \left(\frac{x}{3},\frac{y}{3}-1\right) \\ T_6(x,y) &= \left(\frac{x}{3}+\frac{\sqrt{3}}{2},\frac{y}{3}-\frac{1}{2}\right) \end{align}
Observar que $f_1$ devuelve simplemente el primer componente y $f_2$ devuelve el segundo. Extrayendo esos primeros componentes, multiplicándolos por los términos de la lista de probabilidades y sumándolos, para aplicar la identidad de integración auto-similar, obtenemos $$\int x \, d\mu = \frac{2}{9}\int x \, d\mu - \frac{1}{3\sqrt{3}} \int y \, d\mu.$$ De manera similar, $$\int y \, d\mu = \frac{1}{3\sqrt{3}} \int x \, d\mu + \frac{2}{9}\int y \, d\mu.$$ Esto lleva a un par de ecuaciones en las incógnitas $$\int x \, d\mu \: \text{ y } \int y \, d\mu,$$ con una solución única en la cual ambas son cero. Dada la simetría de esas funciones y el dominio, esto es absolutamente correcto. Un procedimiento similar se puede llevar a cabo en los términos de segundo orden. Encontramos que \begin{align} \int x^2 \, d\mu &= \int (1/3 + 2x^2/27 +y^2/9) \, d\mu \\ \int xy \, d\mu &= -\int xy/27 \, d\mu \\ \int y^2 \, d\mu &= \int (1/3 + x^2/9 + 2y^2/27) \, d\mu. \end{align} Resolviendo estos para las integrales de $x^2$ e $y^2$ y sumándolos, obtenemos el resultado deseado.
0 votos
Esa etiqueta que añadí y esta debería ayudar. Deriva la integral sobre la curva de Koch. Si lees algunos de los otros mensajes deberías tener una idea de cómo generalizar este método...
0 votos
Debo mencionar que si realmente te refieres al Copo de Nieve de Koch (fractal trivial), este problema se reduce a una simple suma. ¿Es analítico? Realmente no lo sé...