Modélisation précise d’amas de galaxies massifs observés par Hubble et MUSE

par Guillaume Mahler

Thèse de doctorat en Astronomie et astrophysique

Sous la direction de Johan Richard.

Soutenue le 09-10-2017

à Lyon , dans le cadre de École doctorale de Physique et Astrophysique de Lyon , en partenariat avec Université Claude Bernard (Lyon) (établissement opérateur d'inscription) et de Centre de recherche astrophysique de Lyon (CRAL) (laboratoire) .

Le président du jury était Laurence Tresse.

Le jury était composé de Eric Jullo, Roser Pello.

Les rapporteurs étaient Simona Mei, Hervé Dole.


  • Résumé

    Les amas de galaxies sont des structures massives composées à plus de 80% de matière noire. Leur coeur peut atteindre une densité de masse critique qui en déformant l'espace-temps fait converger les rayons lumineux vers l'observateur. Grâce à des relevés photométriques profonds de l'amas Abell 2744, de nombreux systèmes multiples ont été découverts. Identifier ces systèmes reste un défi, j'ai donc développé une méthode robuste basée sur les propriétés photométriques conservées par l'effet de lentille gravitationnelle qui permet de les détecter automatiquement. Le meilleur moyen de prouver que des images proviennent de la même galaxie reste la mesure de leur distance(redshifts) grâce à leur spectre. En analysant les données collectées par le spectrographe à intégrale de champ MUSE j'ai mesuré un grand nombre de sources (514) dont 83 d'entre elles sont des images multiples. Bénéficiant de cette large couverture spectrale, j'ai créé un modèle paramétrique de masse parmi les plus contraints à ce jour. La sensibilité atteinte par le modèle permet de sonder l'influence de structures périphériques (jusqu'à une distance de 700kpc), révélant ainsi des erreurs systématiques sur la mesure de la masse due à la paramétrisation du modèle (6%). Comparé aux précédentes études, on voit une diminution de 10% de la masse dans un rayon 100 kpc montrant ainsi en partie le gain offert par la spectroscopie. Ce gain, bien que négligeable sur la mesure de l'amplification, s'est avéré pouvoir contraindre la balance en masse entre les différentes composantes de notre modèle, dépassant par endroits 2 fois l'incertitude statistique

  • Titre traduit

    Precise modeling of massive galaxies clusters observed by Hubble and MUSE


  • Résumé

    Clusters of galaxies are large and massive structures containing more than 80% of dark matter. In the cluster core, the mass density can reach a critical threshold making the curvature of space-time large enough to bend light path and then allow multiple convergence of images from the same sources to appear on the observer field of view. Thanks to deep photometric coverage of Abell 2744, a lot of multiply-imaged systems were discovered. Nevertheless, finding them remain a challenge and based on the preserved photometric properties by lensing, I developed a robust method to automatically find them. However, measuring the redshifts for each multiple images remains the best way to surely associate them. The deep coverage of the integral field spectrograph MUSE allowed me to identify a large number of sources ( 514 ) among them 83 were multiple images. Thanks to this large spectroscopic coverage, I built one of the most constrained parametric mass model for lensing cluster to date. The sensitivity raised by this model allow me to probe the influence of outskirts substructures ( at 700 kpc distance ), revealing systematic sources of uncertainties related to the mass model parametrisation ( 6% ). Compared to previous studies, I notice a 10% lower mass in the center ( within 100kpc ) showing one of the benefit of large spectroscopic constraints. This benefit, is smaller on the amplification estimation but shows a significant discrepancy between different mass counterparts in the models, up to 2 times the statistical uncertainties


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Claude Bernard. Service commun de la documentation. Bibliothèque numérique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.