Reconstruction des vitesses propres des galaxies: méthodes et applications aux observations. - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2008

Reconstruction of peculiar velocities of galaxies: methods and applications to observations.

Reconstruction des vitesses propres des galaxies: méthodes et applications aux observations.

Guilhem Lavaux

Résumé

Although we now have access to very detailed galaxy catalogs, our
knowledge of the spatial distribution of dark matter remains limited. A valuable source of information lies in the peculiar velocity field of
the galaxies, which traces the dynamics of the dark matter at various
scales. Unfortunately, these velocities are very difficult to observe.
We present here an alternative approach to measure these velocities
which relies on reconstructing them directly from redshift catalogs. In particular, we use the so-called Monge-Ampère-Kantorovitch
reconstruction method. We test this method on N-body simulations and mock galaxy catalogs. We check its reliability by comparing the
reconstructed and simulated peculiar velocities and also the mean matter density.

Having tested the method, we apply it to a real galaxy catalog: the 2MASS Redshift survey. Once known observational effects have been accounted for, we study the origin of the Cosmic Microwave Background (CMB) dipole, precisely the motion of the Local Group relative to it. We demonstrate that more than half of our dipole motion is due to structures which lie beyond 40 Mpc/h. Having studied the bulk flow, we make a direct comparison of reconstructed velocities and the observed distances in our neighborhood of 30 Mpc/h and provide an independent estimation of the density parameter. This can be used to reduce the degeneracy in the parameter space of the present cosmological cold dark matter model.
Bien que nous ayons accès à des catalogues de galaxies très détaillés, notre compréhension de la distribution spatiale de la matière noire reste encore limitée. D'importantes informations à son sujet sont cachées dans les vitesses propres des galaxies, qui reflètent la dynamique de la matière noire à différentes échelles. Malheureusement, ces vitesses sont très difficiles à observer. Nous présentons ici une approche différente pour "mesurer" ces vitesses par l'intermédiaire de méthodes de reconstruction des champs de vitesse. Nous utilisons en particulier la reconstruction dîte de Monge-Ampère-Kantorovitch (MAK). Nous testons cette méthode sur des simulations à N-corps ainsi que sur des catalogues virtuels de galaxies. Nous vérifions sa fiabilité par la comparaison des vitesses reconstruites aux vitesses simulées et aussi à travers la mesure de la densité moyenne de matière de ces univers.

Après avoir testé cette méthode, nous l'utilisons sur un vrai catalogue de galaxie: le 2MASS Redshift survey. Après l'avoir corrigé des effets observationnels connus, nous étudions l'origine de la vitesse du Groupe Local par rapport au fond diffus cosmologique. Nous montrons que plus de la moitié de notre vitesse est due à des structures situées à plus de 40 Mpc/h. Une fois étudié le mouvement d'ensemble des structures locales, nous comparons directement les vitesses reconstruites et les distances observées dans notre voisinage de 30 Mpc/h. Nous proposons une estimation indépendante du paramètre de densité. Cette estimation peut être utilisée afin de réduire les dégénérescences dans l'espace des paramètres du modèle d'univers à base de matière noire froide.
Fichier principal
Vignette du fichier
manuscript.pdf (58.68 Mo) Télécharger le fichier
soutenance.pdf (5.71 Mo) Télécharger le fichier
Format : Autre

Dates et versions

tel-00412146 , version 1 (01-09-2009)

Identifiants

  • HAL Id : tel-00412146 , version 1

Citer

Guilhem Lavaux. Reconstruction des vitesses propres des galaxies: méthodes et applications aux observations.. Cosmologie et astrophysique extra-galactique [astro-ph.CO]. Université Paris Sud - Paris XI, 2008. Français. ⟨NNT : ⟩. ⟨tel-00412146⟩
186 Consultations
384 Téléchargements

Partager

Gmail Facebook X LinkedIn More