Matematyczny opis zmienności
1. Motywacja
Badanie zmienności leży u podstaw wyznaczania globalnych parametrów obiektów akreujących, takich jak okres
obiegu ukłądu podwójnego i (pośrednio) masa składnika akreującego. Śledzenie zmienności pozwala ocenić rozmiar
obszaru świecącego, a nawet wydajność akrecji. Szukanie różnych korelacji pozwala na wprowadzanie porządku w
zoologicznej kolekcji różnych obserwacji, nawet jeśli nie rozumiemy, co właściwie się dzieje. Wprowadza się też coraz
bardziej zaawansowane techniki, szczególnie do opisu zmienności rentgenowskiej, w nadziei, że może uda się wreszcie
uchwycić istotne elementy procesu i stworzyć model dynamiczny tego procesu. Jest to zresztą jedyne sensowne wyjście
w sytuacji, gdy obserwowane obiekty są rzeczywiście silnie zmienne i tworzenie obrazów 'średniego stanu z
ródła' musi
mieć ograniczone zastosowanie. Problem jest trudny ze względu na komplikację geometryczną z
ródeł (obserwujemy
jednocześnie emisję z różnych części z
ródła) i conajmniej dwufazowy charakter akrecji (lokalne 'przemieszanie' materii
chłodnej i gorącej).
2. Zmienność okresowa
Z taką zmiennością mamy do czynienia przede wszystkim w układach podwójnych, szczególnie zaćmieniowych, gdzie
po prostu uwidacznia się okres orbitalny układu.
Matematycznie najprostszym przypadkiem zmienności jest sinusoida o okresie
T=2Ä„/É oraz amplitudzie zmiennoÅ›ci B
1
1. Zmienność okresowa c.d.
Nadal stosunkowo prostym, ale jednak znacznie bardziej skomplikowanym, jest przypadek funkcji ściśle okresowej.
Jeżeli L(t) =L(t+T) dla każdego t, to wtedy funkcję L(t) można rozłożyć na szereg Fouriera
n= "
2Ćą
Lśąt źą = " Ansin śąśą n t ƒÄ…ËÄ…nźą śą =
T
n=­"
Jest to nieskończona suma drgań harmonicznych. Współczynniki An, Ćn można obliczyć. Robi się to zgrabniej po
przejściu do notacji zespolonej
n= " T
1
śą ­iśą n t
normalizacja poprzez czynnik 1/T
Lśątźą = " cnei n t , cn= +" Lśątźąe dt
T
n=­" 0
Jeśli funkcja jest sinusoidą, to tylko współczynnik c1 jest różny od zera. Jeżeli funkcja nie jest idealną sinusoidą, ale jest
do niej dość podobna, to współczynnik c1 ma wyraz
nie większą wartość niż pozostałe.
Rzeczywista funkcja nie jest idealnie okresowa, ale często za taką można ją uważać, natomiast wartość okresu trzeba
dopiero wyznaczyć. Poszukiwany okres można znalez
ć przy pomocy dwóch popularnych metod. Metoda pierwsza
korzysta z podstaw analizy Fouriera. SporzÄ…dzamy tzw. periodogram,
N
2
N
2
1
ÎÄ… ­2 Ćą i f t
1 j
­i ÎÄ… t
j
albo f = Śą P śą f źą = " Lśąt źąe
P śąÎąźą = " Lśąt źąe
j
#" #"
j
#" #"
2Ćą N
N j=1
j=1
dla szeregu próbnych wartości, korzystając z N wartości pomiarowych funkcji L, zmierzonych w momentach czasu
tj.Szukamy wyrażnego piku. Jest kryterium na
sprawdzanie, czy pik jest statystycznie istotny.
W praktyce zresztą stosujemy wzór zmodyfikowany,
wykorzystując metodę Lomba, która przesuwa fazy i
jest równoważna dopasowywaniu sinusoidy do
obserwowanej krzywej metodÄ… najmniejszych
kwadratów.
2
Szukany okres
1. Zmienność okresowa c.d.
Poprzednia metoda jest szczególnie efektywna, jeśli sygnał
jest niemal sinusoidalny. Jeśli tak nie jest, ale sygnał mimo to
jest wyraz
nie okresowy, wtedy wygodnÄ… metodÄ… patrzenia na
jej własności jest sporządzanie tzw. 'złożonej' (folded)
krzywej blasku. Redukuje to znacznie drobne błędy
obserwacyjne, czyli tzw. szum.
Dwa przykłady tak przedstawionych krzywych blasku dla
dwóch układów galaktycznych są na rysunku obok. Wykres
taki można sporządzić, gdy już znamy okres. Można też, w
poszukiwaniu okresu, sporządzać wiele takich wykresów dla
próbnych wartości T i sprawdzać, która z powstałych
krzywych wygląda najgładziej. Dokładniej, po sporządzeniu
roboczej krzywej grupujemy pomiary w binach
odpowiadających jakiejś wartości fazy (ułamka okresu), a
następnie obliczamy całkowitą dyspersję
Ä…
2
" śą xij­ x źą
j
i , j
2
ÈÄ… =
N ­1
i szukamy okresu dającego najmniejszą jej wartość. Tę
motodÄ™ nazywamy czasem Phase Dispersion Minimization.
Krzywa blasku 1-10 keV f(olded) z
ródeł X1822-371 oraz
X0748-676 (parmar et al. 1986), pokazane 1.5 cyklu
2. Zmienność nieokresowa  analiza Fouriera
Jeśli funkcja nie jest okresowa, to nie możemy jej rozłożyć na harmoniki, ale możemy ją nadal rzołożyć na sinusy i
cosinusy, tele że z ciągłym rozkładem częstości. Sprawa jest prosta, jeśli funkcja jest ograniczona w czasie, tzn.
"
#" #"
+" Lśąt źą dt "ą "
Wtedy wprowadzamy ciągłą transformatę Fouriera: 3
­"
2. Zmienność nieokresowa  analiza Fouriera. c.d.
Mam wtedy jednoznaczny związek między funkcją czasu (np. krzywą blasku) L(t) oraz funkcją częstości L(f)
" "
Ćą ­2 Ćą i f t
Lśątźą = +" Lśą f źąe2 i f t df Lśą f źą=+" Lśątźąe dt
­" ­"
Mamy też ważny związek całkowy
ƒÄ…" ƒÄ…"
2 2
#" #" #" #"
Power = +" Lśątźą dt = +" Lśą f źą dt
­" ­"
określający poziom zmienności. Fukcja podcałkowa jest gęstością widma mocy, a wykres przedstawiający jej przebieg
to widmo mocy. W przypadku funkcji sinus widmo mocy to funkcja ´(f  fo), gdzie fo jest czÄ™stoÅ›ciÄ… wybranej
funkcji sinus.
Takie podejście nie jest jednak dobre dla funkcji niemal okresowych, ponieważ całka po czasie robi się rozbieżna przy
przejściu do nieskończoności. Decydujemy się wtedy na całkowanie po odcinku czasu określonej długości T, i musimy
wprowadzić taką normalizację, żeby wynik możliwie nie zależał od przypadkowego w końcu wyboru T:
T 1/T
1
­2 Ćą i f t Ćą
Lśą f źą= +" Lśąt źąe dt a transformacja odwrotna Lśąt źą = T +" Lśą f źąe2 i f t df
T
0 ­1/T
W tym wypadku nie cały zakres częstości jest używany/odtwarzalny, ponieważ ograniczenie czasu obserwacji do T
oznacza zarazem ograniczenie częstości do większych niż 1/T.
Ten przepis, tak jak i przepis pierwszy, nie jest dobry dla funkcji, które mają charakter stochastyczny. Dla takich
procesów, jak na przykład ruchy Browna (my rozpatrywaliśmy kiedyś dyfuzję fotonów w ośrodku optycznie grubym),
efekt systematyczny jest jak T1/2, i dlatego wtedy wprowadzamy jeszcze jednÄ… normalizacjÄ™
T 1/T
1
­2 Ćą i f t 1/2 Ćą
Lśą f źą= +" Lśątźąe dt a transformacja odwrotna Lśąt źą = T +" Lśą f źąe2 i f t df
1/2
4
T
0 ­1/T
2. Zmienność nieokresowa  analiza Fouriera. c.d..
Transformata Fouriera jest liczbą zespoloną, składa się z:

amplitudy

fazy
Najczęściej przy analizie wykorzystuje się samą amplitudę, ale niektóre metody wykorzystują także fazę.
Analizując samo widmo mocy właśnie tracimy informację o fazie, a skupiamy się na amplitudzie, obliczając PSD (power
spectrum density), czyli gęstość widma mocy
2
#" #"
PSD = Lśą f źą
Periodogram, o którym była mowa wcześniej, to właśnie pewna przybliżona ocena PSD w sytuacji, gdy mamy do
dyspozycji skończoną liczbę punktów pomiarowych (tj), a dobrą metodą normalizacji jest wariant stochastyczny.
Wykresy PSD, podawane w różnych pracach, mają często bardzo różne normalizacje, na co trzeba szczególnie uważać.
3. Szerokopasmowe widmo mocy i akreujÄ…ce czarne dziury
Rentgenowskie krzywe blasku galaktycznych z
ródeł
rentgenowskich i AGN charakteryzujÄ… siÄ™ silnÄ…
zmiennością, ale żadnych okresowości tak specjalnie w
nich nie widać (poza wpomnianymi wcześniej
modulacjami o skali czasowj godzin/dni zwiÄ…zanych z
okresem orbitalnym, oraz kwazi-okresowościami, o
których póz
niej). Na przykład Cyg X-1 zmienia się
wyraz
nie w skali czasowej milisekund- sekund (wykres
obok). Podobnie aktywne jÄ…dra galaktyk zmieniajÄ… siÄ™ w
skali czasowej dziesiÄ…tek sekund  godzin. Aby tÄ™
zmienność ująć jakoś ilościowo, posługujemy się
właśnie widmem mocy.
5
3.Widmo mocy i akreujÄ…ce czarne dziury. c.d.
Ponieważ już na oko widać, że zmienność ma charakter
stochastyczny, to normalizujemy nasze widmo mocy wg.
przepisu T1/2. Co więcej, najpopularniejsza ostatnio metodą
jest jeszcze dodatkowe dzielenie otrzymanego wyrażenia
przez średnią wartość, czyli obliczanie znormalizowanego
widma mocy  NPSD (normalized power spectrum density):
T
2
#" #" 1
Lśą f źą ­2 Ćą i f t
Lśą f źą= +" Lśąt źąe dt
NPSD =
2 1/2
Lśątźą T
0
Ponieważ w rzeczywistości mamy do dyspozycji skończoną
liczbę pewnych punktów pomiarowych, to całka w
powyższym równaniu zostaje zamieniona na sumę,
(periodogram), ale z normalizacjÄ…
N
1
­2 Ćą i t f 2
j
Lśą f źą = " Lśąt źąe "T
j
#" #"
N
j=1
Ta normalizacja powoduje, że otrzymana funkcja ma wymiar
1/Hz, a przecałkowana po częstościach f jest bezwymiarową
(procentowÄ…) wariancjÄ…,
Wariancja całkowita:
"
ÈÄ…2 = +" NPSD df problem czynnika 2
0
Wariancja zmierzona w skończonym czasie obserwacji T
"
ÈÄ…2 śąT źą = +" NPSD df problem czynnika 2
1/T
6
3.Widmo mocy i akreujÄ…ce czarne dziury. c.d.
Wykonujemy zatem wykres NPSD(f) i co widać? W zerowym przybliżeniu niewiele. Funkcja ma przebieg potęgowy,
co się czasami określa jako 'red noise' (czerwony szum). Nachylenie jest około 1  2. Taki z grubsza charakter
przebiegu jest charakterystyczny dla:
f z zakresu 10-2  102 Hz dla obiektów galaktycznych
f z zakresu 10-5  10-3 Hz dla AGN.
Czerwony szum nie jest prawdziwym szumem w popularnym zrozumieniu. Prawdziwy szum, w którym nie ma
żadnego sygnału (na przykład z
ródło jest za słabe czy próbkujemy je zbyt gęsto) to tzw. biały szum (white noise).
Biały szum powstaje, gdy mamy do czynienia z nieskorelowanymi, przypadkowymi fluktuacjami. Taki szum,
pomnożony przez exp(2Ą if t), nie 'czuje' częstości i na wykresie NPSD jest płaski.
W rzeczywistych obserwacjach biały szum zawsze pojawia się, kiedy próbujemy próbkować wysokie częstości przy
konstuowaniu widma mocy, i wtedy wynik wyglÄ…da jak na ostatnim rysunku.
Można tego uniknąć albo nie określając widma mocy w wysokich częstościach, albo (co się robi najczęściej)
odejmując biały szum od otrzymanego widma mocy. Musimy też mieć wypłaszczenie od strony niskich częstości,
ponieważ inaczej całka z widma mocy byłaby rozbieżna, choć bezpośrednio w danych nie zawsze je widzimy.
7
3.Widmo mocy i akreujÄ…ce czarne dziury. c.d.
PRZYKA
ADY WIDM MOCY:
Widma mocy są znacznie bardziej precyzyjnie wyznaczone w układach galaktycznych ze względu na ich większą
jasność obserwowaną. Widać tu wyraz
ną zależność widma mocy od stanu spektralnego (jasności) z
ródła. Stan miękki
(wysoki), w którym dominuje emisja z dysku, daje potęgowe widmo mocy o nachyleniu 1, stromiejące do 2 powyżej ok.
10 Hz. Stan twardy(niski) ma bardziej skomplikowane widmo mocy, choć proste widmo energetyczne (potęgowe). Stan
8
bardzo wysoki i stan pośredni też mają dość złożone widma mocy, podobne do stanu twardego.
5. Modelowanie szerokopasmowego widma mocy
Żeby nabrać wyczucia,co te wykresy mówią, rozważymy dwa przypadki analityczne, które dają szerokopasmowe
widmo mocy o prostej interpretacji.
A. Rodzina błysków zanikających wykładniczo
Dla pojedynczego błysku zakładamy
­ ÎÄ…o t
Lśąt źą = A e dla t ą 0
Transformata Fouriera dla takiego impulsu to
"
­ ÎÄ…o t A A2
ÎÄ… 2
#" #"
LśąÎąźą = A +" e ei t dt = ; LśąÎąźą =
i ÎÄ…­ ÎÄ…o ÎÄ…2 ƒÄ… ÎÄ…2
0
o
Jeżeli teraz zakładamy, że rozbłyski zachodzą losowo, ale równomiernie,
Å›rednio ë bÅ‚ysków na jednostkÄ™ czasu, to
ÁÄ… A2
2
widmo mocy jest pÅ‚askie poniżej Éo i ma
#" #"
LśąÎąźą =
ÎÄ…2 ƒÄ… ÎÄ…2
o nachylenie -2 powyżej. Punkt zagięcia i przejścia widma mocy do -2 jest miarą
charakterystycznego czasu zaniku błysku.
B. Profil Lorentza
Jeżeli funkcja czasu ma postać oscylatora tłumionego
­ÎÄ…o t
Lśąt źą = Asin śąśąt ƒÄ…Ëąźąe dla t Ä… 0
to wtedy transformata Fouriera dla takiego sygnału ma postać
2
2 N Q śą
2
#" #"
L śąÎąźą =
2
śą2ƒÄ…Q2 śąÎÄ…­Å›Ä…źą
śą A
gdzie Q= oraz N =
/2
2 ÎÄ…o
Q1
Parametr Q jest miarÄ… 'wypikowania' profilu Lorentza w okolicach
9
rezonansu, 1/Q określa względną szerokość piku.
4. Ewolucja widma mocy przy zmianie stanu spektralnego w Cyg X-1
Ciekawy sposób śledzenia ewolucji czasowej układu to śledzenie, co robi widmo mocy. Wykresy (Pottschmidt et al.
2002) to częstość x PSD, a
obserwowane widmo jest modelowane
przy pomocy kilku lorentzów. Rys. (a)
to typowe widmo mocy w stanie
twardym, widmo (d) to niemal stan
miękki, choć nie całkiem.
Spektralnie stan twardy to widmo
potęgowe (komptonizacja przez gorący
ośrodek), a stan miękki to emisja z
dysku akrecyjnego z niewielkim
dodatkiem emisji koronalnej. Jedno z
możliwych wyjaśnień zmiany stanu to
przesuwanie się wewnętrznego brzegu
dysku w stronÄ™ orbity marginalnie
stabilnej i zanik optycznie cienkiej
fazy akrecji. Widmo mocy pokazuje,
że przy przejściu do stanu miękkiego
stopniowo zanika zmienność w dość
długich skalach czasowych (faza
gorÄ…ca kurczy siÄ™, i skala termiczna w
jej zewnętrznych częściach skraca
się?), a następnie rozbudowuje się
nowy pik w okolicach 10 Hz oraz
pojawia się dodatkowy składnik czysto
potęgowy (linia kropkowana). Co
oznaczajÄ… te lorentze, na razie nie
10
wiadomo.
5. QPO  Quasi-Periodic-Oscillations
W widmach mocy, oprócz szerokich składników widać często stosunkowo wąski, prawie gaussowskie struktury. Nie są
one idealnie wąskie, i dlatego nie są to dokładne okresowości, a prawie-okresowości skupione wokół niewielkiego
zakresu częstości.
W jednym z
ródle występuje często dwa-trzy QPO, choć nie
zawsze jednocześnie. Ich pozycja zależy od jasności z
ródła,
a mechanizm ich powstawania nie jest jasny. NajprostszÄ…, i
właściwie niekwestionowaną interpretację mają QPO o
najwyższej częstości. Wydaje się, że mierzy ona
bezpośrednio częstość keplerowską na wewnętrznym brzegu
optycznie grubego dysku. Jest to zaskakujące, ponieważ
oscylacje są widoczne w części widma o charakterze
potęgowym, które powstaje w gorącej plazmie, a nie w
chłodnym dysku.
Argumenty za odpowiedniością 'kHz' QPO i
wewnętrznego brzegu dysku:
Ä…
gdy jasność z
ródła rośnie, częstość rośnie i ewentualnie
saturuje się przy wartości odpowiadającej orbicie
marginalnie stabilnej
Ä…
w z
ródłach typu Z QPO śledzi odsuwanie dysku przez
magnetosferÄ™
Ä…
w Cyg X-1 częstość jest mniejsza niż w układach z
gwiazdą neutronową, ponieważ masa jest odpowiednio
większa.
Zatem śledzenie zmian częstości QPO może być pomocne
przy określaniu zachowania optycznie grubego dysku
akrecyjnego w wyniku zmian tempa akrecji.
W aktywnych jądrach galaktyk jakośc danych jest nadal zbyt
kiepska, aby definitywnie wykryć jakieś QPO.
11
6. Inne metody techniczne wykorzystywania krzywej blasku
Widmo mocy jest tylko jedną z metod. Lista jest długa:
krocząca wariancja (running variance) - służy do badania
trendów w danych niestacjonarnych
analiza falkowa (wavelet analysis)  powinno być dobre
do badania QPO; szeroko stosowane w wielu dziedzinach.
Obok przykład zastosowania do badania przebiegu El Nińo
z Internetu (http://paos.colorado.edu/research/wavelets)
funkcja autokorelacyjna - bada zakres, w jakim
zmienność jest skorelowana
ƒÄ…T
1 1
C śą­Ä…T źą = +" Lśąt źą Lśąt ­­Ä…T źą dt D ­dyspersja
D2 T
­T
funkcja struktury  ma podobny cel
ƒÄ…T
1 1
2
SF śą­Ä…T źą = +" [Lśąt źą­Lśąt ­­Ä…T źą] dt D ­dyspersja
D2 T
­T
analiza fraktalowa  poszukiwanie deterministycznego chaosu, określanie jego wymiaru
metoda prognozowania nieliniowego  pozwala odróżniać deterministyczny chaos od zmienności
stochastycznej; nam (Czerny & Lehto 1997) wychodzi natura stochastyczna zmienności rentgenowskiej
metody testowania nieliniowego charakteru zmienności - ?
Niektóre z tych metod są matematycznie równoważne w idealnym przypadku dobrze określonej funkcji, ale już nie
koniecznie równoważne w przypadku obserwacji nie równoodległych, z przerwami, itp.
Użycie tego typu metod statystycznych może być niezbędne, jeśli tak naprawdę znaczna część zmienności to jakieś
12
rekoneksje pola magnetycznego, drobne fale uderzeniowe, turbulencje itd.
7. Co można robić, mierząc energię i czas przyjścia fotonów?
Wtedy można, pod warunkiem pomiaru dostatecznej liczby fotonów, prowadzić analizę dwuwymiarową.
13
8. Opóz
nienia
To jest najprostsza, a zarazem niezwykle pożyteczna klasa wyników. Badamy w tym przypadku wzajemny związek
dwóch krzywych blasku, F(t) i G(t), zmierzonych w dwóch zakresach widmowych. Opóz
nienia, badane w AGN w
najszerszym zakresie widmowym pokazują, że zmienność 'rodzi się' na granicy UV/soft X, a następnie zmiany w
kontinuum propagują się zarówno w stronę optyki i podczerwieni, jak i w stronę X i dalej twardych X. Za zmiennością
koninuum postępuje najlepiej zbadana odpowiedz
szerokich linii emisyjnych w skali kilku dni. Przykład: NGC 5548
ƒÄ…T
Opóz
nienie wyznaczamy korzystajÄ…c z funkcji korelacyjnej
1
CC śą­Ä…T źą " +" F śąt źąG śąt ­­Ä…T źą dt
(cross-correlation function):
T
­T
Monitorowanie NGC 5548 (Peterson i in. 1999) pozwoliło
na wyznaczenie, z opóz
nienia, odległości obszaru szerokich
linii emisyjnych od centrum, a następnie, w połączeniu z
GM
pomiarem szerokości linii emisyjnych (czyli dyspersji
v2 =
prędkości gazu), na wyznaczenie masy czarnej dziury w tej
R
galaktyce: M=6Ä…2x107 Mo from Wandel et al. 1999. To
wymagało założenia o kelerowskim charakterze ruchu, ale
wyznaczenia z różnych linii dały ten sam wynik.
14
9. Co można naprawdę zmierzyć i co z tego wynika?
Dla obiektów galaktycznych mamy dostateczną liczbę fotonów, aby móc użyć omawianych technik, i jeszcze
paru innych. Z obserwacji rentgenowskich można wyznaczać opóz
nienia fazowe, oraz fourierowskie widma
energetyczne. Można modelować krzywą blasku, zaadając coś o charakterze zmienności i sprawdzać, czy założona
zmienność wyjaśnia widmo mocy, opóz
nienia i właśnie fourierowskie widma energetyczne. Taka analiza (Życki 2002)
wskazuje, że dla z
ródła w stanie twardym model rozłysków ponad dyskiem nie odtwarza dobrze obserwowanego
zachowania, natomiast niez
le pasuje model, w którym mamy liczne fale uderzeniowe w gorącej optycznie cienkiej
plazmie, spływające w tą plazmą do czarnej dziury.
Dla aktywnych jąder galaktyk mamy już dość dobre dane rentgenowskie dla obiektu MCG -6-30-15
(XMM), które pozwalają na wyznaczenie niektórych bardziej zaawansowanych parametrów jak opóz
nienie fazowe i
funkcja koherencji, oprócz samego widma mocy (Vaughan i in. 2002, astro-ph/0211421). Galaktyka własnościami
przypomina Cyg X-1 w stanie miękkim. W przyszłości satelita Chandra ma w programie długie obserwacje, które zaraz
po wykonaniu będą publicznie dostępne. Problem jest ze zmiennością lini żelaza - zmienia się dość słabo, i często nie
wtedy, kiedy konitnuum, zamiast odpowiadać na zmiany kontinuum z niewielkim opóz
nieniem. Co siÄ™ dzieje, nie
wiadomo: błędy w rozkładzie widma obserwowanego na linię i kontinuum? Długa skala czasowa odpowiedzi dysku na
zmieniające się oświetlanie?
15


Wyszukiwarka

Podobne podstrony:
matura 10 matematyka podst
WindowZ v2 Lite 10 Dokładny opis md5
matura 10 matematyka podst
Kalendarz 10 Matematyka ZP
metody matematyczne opis do prezentacji
Matematyczny opis krzepniecia odlewów
Statystyczny opis zmienności zasobności jednostkowej miedzi ekwiwalentnej (Cue)
10 Funkcje wielu zmiennych
EU1 sem09 10 opis
analiza matematyczna funkcje wielu zmiennych pwn
,analiza matematyczna 1, rachunek różniczkowy funkcji jednej zmiennej
Opis Nauczyciel matematyki 232110

więcej podobnych podstron