Strong gravitational lensing's `external shear' is not shear

Auteurs : Amy Etherington, James W. Nightingale, Richard Massey, Sut-Ieng Tam, XiaoYue Cao, Anna Niemiec, Qiuhan He, Andrew Robertson, Ran Li, Aristeidis Amvrosiadis, Shaun Cole, Jose M. Diego, Carlos S. Frenk, Brenda L. Frye, David Harvey, Mathilde Jauzac, Anton M. Koekemoer, David J. Lagattuta, Marceau Limousin, Guillaume Mahler, Ellen Sirks, Charles L. Steinhardt

arXiv: 2301.05244v1 - DOI (astro-ph.CO)
13 pages, 11 figures, submitted to MNRAS

Résumé : The distribution of mass in galaxy-scale strong gravitational lenses is often modelled as an elliptical power law plus `external shear', which notionally accounts for neighbouring galaxies and cosmic shear. We show that it does not. Except in a handful of rare systems, the best-fit values of external shear do not correlate with independent measurements of shear: from weak lensing in 45 Hubble Space Telescope images, or in 50 mock images of lenses with complex distributions of mass. Instead, the best-fit shear is aligned with the major or minor axis of 88% of lens galaxies; and the amplitude of the external shear increases if that galaxy is disky. We conclude that `external shear' attached to a power law model is not physically meaningful, but a fudge to compensate for lack of model complexity. Since it biases other model parameters that are interpreted as physically meaningful in several science analyses (e.g. measuring galaxy evolution, dark matter physics or cosmological parameters), we recommend that future studies of galaxy-scale strong lensing should employ more flexible mass models.

Soumis à arXiv le 12 Jan. 2023

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.