.

.
.
.
.
.
.
..
.
.
Thèse présentée pour obtenir le grade de
Docteur de l’Université Louis Pasteur
Strasbourg I
Discipline :
par Anne Martin
Titre
Titre de la thèse
Soutenue publiquement le…….
MM
MMee eemm mmbb bbrr rree eess ss dd dduu uu jj jjuu uurr rryy yy
Directeur de Thèse : M…Prénom Nom, grade, lieu d’exercice
Rapporteur Interne : M…Prénom Nom, grade, lieu d’exercice
Rapporteur Externe : M…Prénom Nom, grade, lieu d’exercice
Rapporteur Externe : M…Prénom Nom, grade, lieu d’exercice
Examinateur : M…Prénom Nom, grade, lieu d’exercice
Thèse pour l’obtention du grade de
Docteur ingénieur
de l’Université de Strasbourg
Spécialité Astrophysique
Par François-Xavier PINEAU
Analyse statistique
du catalogue de sources X cosmiques
du satellite ESA XMM-Newton
Soutenue publiquement le  octobre 
Membres du jury
Directeur de thèse : M. Christian MOTCH, Directeur de recherche, Observatoire de Strasbourg
Rapporteur Interne : M. Mark ALLEN, Chargé de recherche CNRS, Observatoire de Strasbourg
Rapporteur Externe : M. Jean BALLET, Physicien, CEA Saclay
Rapporteur Externe : M. Didier PELAT, Professeur, Observatoire de Paris Meudon
Examinateur : M. Mike WATSON, Professeur, Université de Leicester (Angleterre)
Co-encadrant et
Examinateur : M. Sébastien DERRIERE, Astronome adjoint, Observatoire de Strasbourg
Co-encadrant et
Membre Invité : M. Laurent MICHEL, Ingénieur de recherche, Observatoire de Strasbourg

Résumé
XMM Newton est un satellite de l’ESA lancé en 1999. Il observe le ciel dans le domaine des
rayons X. Le Survey Science Center (SSC) d’XMM est en charge de l’exploitation scientifique du
télescope spatial et a créé à partir de ses observation le plus grand catalogue de sources X à ce
jour. La classification des sources de ce catalogue est une des tâches attribuées au SSC. C’est dans
ce cadre que s’insère ce travail de thèse.
Nous avons développé et implémenté un algorithme de corrélation croisée permettant d’obte-
nir des informations multi-longueur d’onde pour un certain nombres de sources du catalogue
2XMMi. Cet algorithme utilise une approche Bayesienne pour fournir des probabiltés d’identi-
fication. Il utilise également une approche originale permettant de se passer de simulations de
Monte Carlo pour l’estimation du nombre de fausses associations. Nous avons implémenté et uti-
lisé une analyse en composantes principale (ACP) qui prend en compte les erreurs de mesure de
chaque observations. Cette ACP nous a permis d’explorer l’espace des paramètres multi-longueur
d’onde et de choisir un nombre restreint de dimensions en entrée d’algorithme de classifica-
tion. Nous avons utilisé les données de l’ACDS et les résultats de la corrélation entre le 2XMMi
et le SDSS DR7 pour créér un échantillon d’identification. Cette échantillon est utilisé pour la
création d’échantillons d’apprentissage qui sont indispensables pour la classification supervisée.
Nous avons classé les sources X de plusieurs échantillons : celui issu des résultats de la corréla-
tion 2XMMi/SDSS DR7, celui issu de la corrélation 2XMMi/GSC2/2MASS et un échantillon de
sources purement X. L’algorithme de classification a été choisi après avoir comparé différentes
méthodes. Enfin, nos résultats ont été insérés dans la XCAT-DB pour une large diffusion.
Abstract
XMM Newton is a European satellite designed by ESA and launched in 1999. It scans the sky
in the X-ray wavelengths. The XMM Survey Science Centre (SSC) is in charge of the scientific ex-
ploitation of the spatial telescope and has built from its observations the larger catalogue of X-ray
sources ever published so far. The work presented here has been carried out in this framework.
We designed and implemented a cross-correlation algorithm that allows to retrieve multi-wavelength
data for a fraction of 2XMMi catalogue sources. This algorithm is based on a Bayesian approach
providing probabilities of identification. It also uses a new way to compute the rates of spurious
associations without resorting to Monte Carlo simulations. We implemented and applied a prin-
cipal component analysis (PCA) taking into account the measurement errors of each source. That
modified PCA has been used to explore the multi-wavelength parameter space and to restrict the
number of dimensions in input of the classification algorithms. ACDS data has been used together
with the results of the cross-correlation of the 2XMMi with the SDSS DR7 to build an identifica-
tion sample. We derived learning samples from this sample. Learning samples are essential to
perform supervised classification. X-ray sources of several samples have been classified. Those
samples are the 2XMMi/SDSS DR7, coming from the cross-correlation of the two catalogues, the
2XMMi/GSC2/2MASS and one only containing XMM X-ray sources. The classification algorithm
used has been chosen from the results of tests performed and several methods such as decision
trees, Kohonen neural networks, meanshifts or kernel density classification. Finally, we put our
results into the XCAT-DB so that they are available for the rest of astronomy community.
iii

iv

Table des matières
Introduction 1
I L’astronomie X et XMM-Newton 3
1 LesdifférentsémetteursX ................................ 4
1.1 OriginedesrayonsX ................................ 4
1.1.1 Rayonnement du corps noir . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Émission thermique de gaz chaud : le bremsstrahlung thermique . . . 5
1.1.3 Émission synchrotron : émission en loi de puissance . . . . . . . . . . 6
1.1.4 Effet Compton Inverse : émission en loi de puissance . . . . . . . . . . 6
1.1.5 Caractéristiques observationnelles . . . . . . . . . . . . . . . . . . . . . 7
1.2 Des sources X dans le système solaire . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 L’émissionXdesétoiles ............................... 8
1.3.1 Rappel sur la classification spectrale des étoiles . . . . . . . . . . . . . 8
1.3.2 Les étoiles pré-séquence principale . . . . . . . . . . . . . . . . . . . . . 9
1.3.3 Les étoiles de la séquence principale . . . . . . . . . . . . . . . . . . . . 10
1.3.4 Lesétoilesévoluées.............................. 13
1.3.5 Les étoiles binaires serrées non-accrétantes . . . . . . . . . . . . . . . . 13
1.3.6 Les étoiles post-séquence principale . . . . . . . . . . . . . . . . . . . . 14
1.4 LesbinairesX(XRB) ................................. 16
1.4.1 Pulsarsaccrétants............................... 20
1.4.2 Étoiles à neutrons faiblement magnétisées et trous noirs . . . . . . . . . 20
1.4.3 SursautXdetypeI .............................. 21
1.4.4 Sources X ultra-lumineuses (ULX) . . . . . . . . . . . . . . . . . . . . . 21
1.5 Variables cataclysmiques (CV) . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5.1 Généralités sur les CV non magnétisées . . . . . . . . . . . . . . . . . . 22
1.5.2 Les CV magnétisées : Polars et Polars intermédiaires . . . . . . . . . . . 23
1.5.3 Sources X super-soft (SSS) . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.6 Restesdesupernovae ................................ 25
1.7 Galaxies, AGN et Amas de galaxies . . . . . . . . . . . . . . . . . . . . . . . . 26
1.7.1 Lesgalaxies .................................. 26
1.7.2 Noyaux actifs de galaxies (AGN) . . . . . . . . . . . . . . . . . . . . . . 28
1.7.3 LesAmasdegalaxies............................. 30
1.8 LefonddiffusX.................................... 30
1.8.1 Le fond diffus X galactique . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.8.2 Le fond diffus X extragalactique . . . . . . . . . . . . . . . . . . . . . . 30
2 De XMM-Newton au catalogue 2XMMi . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.1 L’observatoire spatial XMM-Newton . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Du satellite au catalogue 2XMMi . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3 Le2XMMienchiffres................................. 34
2.3.1 Statistiques globales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.2 Les grandeurs physiques . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.3 Lesfiltres.................................... 36
2.3.4 Correction des positions . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
v