PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE

FACULTAD DE FÍSICA
PROFESOR: FELIPE BARRIENTOS

CARACTERIZACIÓN DE GALAXIAS EN
EL UNIVERSO CERCANO
Licenciatura en Astronomı́a
AST0222

14 de octubre de 2020

Resumen

El presente trabajo tiene como objetivo caracterizar galaxias del universo cercano
obtenidas en Sloan Digital Sky Survey del catálogo DR16 mediante fotometrı́a, espec-
troscopı́a y morfologı́a.
Se obtuvieron 150.000 galaxias del survey, finalmente trabajando sólo con las del
tipo espiral y elı́pticas que representaban un 45 % aproximadamente de la muestra
completa. Además, estas galaxias fueron elegidas según ascensión recta, declinación
dada y con un valor de redshift entre 0 y 0.3. Por otra parte, se pudo realizar la
clasificación de que tipo de galaxias pertenecı́an según el proyecto Galaxy Zoo realizado
por SDSS.
Los principales resultados obtenidos mediante el estudio de magnitudes absolutas
y aparentes en relación a sus colores fueron: las galaxias elı́pticas están más corridas al
rojo o más alejadas que las espirales, donde estas últimas se distribuyen entre los colores
más azules y pasando por verdes. Con esta información, se puede decir que las galaxias
elı́pticas tienen en su composición estrellas más viejas (sin actividad estelar) y las
espirales tendrán estrellas más jóvenes (con posible gas frı́o que genere esta formación
estelar). Además, se determinó que las galaxias elı́pticas serán más luminosas, siendo
las espirales mayormente débiles y por ende difı́ciles de detectar a redshift lejanos.
Palabras clave: magnitud absoluta, redshift, espectroscopı́a, fotometrı́a, morfo-
logı́a, galaxias espirales, galaxias elı́pticas.

1
1. Introducción
La astronomı́a, como ciencia de investigación, ha evolucionado y alcanzado importantes
“revoluciones” dentro del estudio de objetos en el cielo. La primera revolución se remonta a
la creación de la fotografı́a como medio de observación de la luz y obtención de espectros. Se
definirá espectro electromagnético como ”todo el rango de luz que existe. Desde las ondas de
radio hasta los rayos gamma” [Crockett, 2019] y es esencial para la investigación astronómica
debido a su gran uso en la fotometrı́a y espectroscopı́a.
Se define a la fotometrı́a como el estudio encargado de medir el brillo de las estrellas y
otros objetos celestes, tales como: galaxias, nebulosas, planetas, entre otros. Estas mediciones
permiten profundizar en la investigación y obtener diversa información de estos objetos,
como, por ejemplo: sus distancias y morfologı́as. De igual forma, se define a la espectroscopı́a
como la medición de espectros en la radiación electromagnética de estrellas y objetos celestes.
Luego de la fotografı́a, se inicia el uso de las cámaras CCD. Estas cámaras, basadas en
el efecto fotoeléctrico, permitieron aumentar la eficiencia cuántica de la fotografı́a por su
mayor sensibilidad a exposiciones de luz y de esta forma, mejorar mediciones.
A pesar de que las cámaras CCD trajeron consigo un enorme avance en la obtención de
datos, no fue la última gran revolución en la que se vio involucrada la astronomı́a. La creación
de centros de datos y el desarrollo generado por el telescopio espacial Hubble para que se
facilitara el acceso y reproducción de obtención de imágenes astronómicas, permitieron que
la mayor parte de los datos obtenidos por investigaciones realizadas sean liberados para el
público general. De este modo, personas alrededor del mundo pueden descargar información
y trabajar con ella, como se hará en el presente trabajo.
Se estudiará una población de galaxias del universo cercano utilizando la base de datos
Legacy de SDSS (Sloan Digital Sky Survey). El proyecto Legacy es un proyecto creado para
censar el universo cercano. Durante 8 años se tomaron observaciones utilizando un telescopio
dedicado exclusivamente a Legacy de 2.5 metros ubicado en el Observatorio Apache Point, en
Nuevo México y ası́ se crearon mapas tridimensionales del cielo que contenı́an más de 930.000
galaxias [SDSS, 2020]. Un par de espectrógrafos alimentados por fibras ópticas midieron
espectros de más de 600 galaxias y cuásares en una sola observación, y con la ayuda de un
poderoso software se puedo mantener el ritmo de la gran cantidad de datos que llegaban al
telescopio. Con estos datos, se quiso estudiar las galaxias en espectroscopı́a, morfologı́a y
fotometrı́a.
Pero, para estudiar lo mencionado con anterioridad, es necesario especificar algunos térmi-
nos generales importantes dentro de esta experiencia.
Primero, se tiene que las galaxias son aglomeraciones de miles de millones de estrellas, gas
y polvo interestelar. Estas componentes orbitan alrededor de su centro debido a interacciones
gravitatorias. La luz proveniente de las galaxias es dada por dos fuentes principales, de sus
estrellas y del gas ionizado por estrellas luminosas calientes. [2]
Como se definió antes, la fotometrı́a estudia el brillo de las estrellas y objetos celestes.
Para estudiar las galaxias en esta área, se obtiene de la base de datos sus magnitudes
aparentes que indicará sus brillos observados desde la Tierra. Además, a través de una

2
relación logarı́tmica, es posible obtener su magnitud absoluta como:

d
Mabs = mapar − 5 log (1)
10
Esta representará la magnitud o la representación de que tan luminosa es la galaxia a
una distancia d dada. Esta distancia d será calculada con:

v
d= (2)
H0
Y v, su velocidad y z el redshift:

v = cz (3)

λo − λe
z= (4)
λe

Con c = 300.000 km s
, como la velocidad de la luz, y z valores de redshift que también se
obtendrán de la base de datos.
Para el redshift, λo representa la longitud de onda observada y λe la emitida.
Se debe aclarar que para este trabajo se supone un Universo Euclidano que determinará
esta relación lineal entre distancia y redshift vista en la ecuación 2 y 3. Además, se define
redshift como un corrimiento al color rojo del espectro cuando las galaxias se alejan debido
a la expasión del universo, con el color como la razón entre las mediciones de dos flujos. Se
tendrá que a medida que aumente el redshift, habrán longitudes de onda más largas (rojas)
donde se encuentre el espectro. Se asocia en general al efecto Doppler.
Para la ecuación 1, H0 representa la constante de Hubble y se utiliza el valor de 69.32
km
dado por astropy, que luego será multiplicado por 1.000.000 para transformar unidades
M pcs
de Mpc a pc.
Por otra parte, para estudiar la morfologı́a o configuración de las galaxias, estas pue-
den ser clasificadas a través de un esquema desarrollado por Hubble. Se distinguen tres
tipos: elı́pticas, espirales e irregulares; donde en esta ocasión sólo se trabajará con las dos
primeras.
Para galaxias elı́pticas, se tiene que cubren un gran rango en masa y luminosidad, estando
dentro de las más grandes del universo. Por otro lado, las galaxias espirales, se encuentran
en secuencia de acuerdo a su conformación de estructura según la presencia de barra, bulbo
y desarrollo de brazos espirales. Estas tienen valores menores en masa y luminosidad en
comparación con las elı́pticas. Ambas se ven en la figura 1.
También, se define la ascensión recta (RA) y declinación (DEC) que serán utilizados
para mostrar ilustrativamente las galaxias seleccionadas en el cielo. Estas representan las
coordenadas que definirán la posición de un objeto en el cielo basándose en el sistema de
latitud y longitud de la Tierra, con la ascensión recta (α) siendo análoga a la longitud y

3
Figura 1: Diagrama tipo de galaxias dado por Hubble [Carroll and Dale, 2014]. Donde las
galaxias tipo E representan las elı́pticas y las tipo S las espirales.

midiéndose hacia el Este a lo largo del ecuador celeste desde el equinoccio de primavera
(Y ) hasta su intersección con el cı́rculo horario del objeto. En general, se escribe en horas,
minutos y segundos; y la declinación (δ) relacionándose con la latitud y midiéndose en grados
al norte o al sur del ecuador celeste como se ve en la figura 2. [Carroll and Dale, 2014]

Figura 2: El sistema de coordenadas ecuatoriales. α, δ y Y como la ascensión recta, declina-

ción y la posición del equinoccio de primavera, respectivamente. [Carroll and Dale, 2014].

Finalmente, se explica un diagrama color magnitud como un gráfico utilizado para ob-
servar datos de poblaciones (en este caso galaxias) en sus comportamientos de luminosidad
y color. El color en el caso de poblaciones estelares determinará la temperatura superficial
de las estrellas que componen la población. Asimismo, se define el ı́ndice de color como la
expresión numérica que determina el color de un objeto. Entre más pequeño es el ı́ndice,
indicará colores más azules, al contrario si es más grande relacionándose con colores más
rojos. Para medir el ı́ndice, se observa la magnitud de un objeto sucesivamente a través de

4
dos filtros diferentes [1].

2. Descripción de los Datos

Los datos a estudiar son bajados de CasJobs utilizando SQL en el catálogo DR16. Se
realizó una query para obtener 150.000 galaxias de una zona de cielo como se ve en la figura
3. Esta zona se restringue con una declinación entre los valores de 10 y 20 grados, y se deja
libre los valores de ascensión recta. Además, se eligen los valores de redshift entre 0 y 0.3.
Estos datos proporcionarán información fotométrica de magnitud en las cinco bandas, en la
tabla almacenados en photoObjAll, espectroscópica de redshift, en specObjAll y morfológica,
en ZooSpec.

Figura 3: Galaxias vistas en la zona de cielo elegida.

Cabe mencionar, que la información morfológica de las galaxias es dada según un proyecto
llamado Galaxy Zoo que hizo partı́cipes a diferentes personas en la clasifición de las galaxias
de SDSS según su tipo (espirales o elı́pticas). Por lo que, las galaxias tendrán probabilidades
asociadas y serán ocupadas para discriminarlas entre ellas.
La obtención de imágenes de SDSS se hizo realizando imágenes de cielo con una cámara
con un set de filtros que van desde el ultravioleta al infrarrojo. Los filtros utilizados son:

Filtro
U Ultravioleta
G Verde
R Rojo
I Infrarrojo cercano
Z Infrarrojo
Tabla 1: Filtros utilizados

Las estrellas pasaban de Este a Oeste sobre el CCD y este, sintonizaba su movimiento con
potenciales mediante su transferencia de carga en razón de la misma taza (pozo potencial).
De esta forma, se lograron hacer las imágenes de cielo, luego obtener espectros y finalmente

5
se almacenaron los datos en Sloan Digital Sky Survey, siendo la fuente de referencia del
universo cercano más utilizada.
Además, se tiene que la base de datos será homogénea, con sesgos claros y correciones
instrumentales ya realizadas, con el fin de que la estadı́stica efectuada sobre los datos sacados
sea lo más parecido a la realidad.
Se estudió la distribución de los parámetros medidos para el conjunto de galaxias con
la información guardada de CasJobs y utilizando el lenguaje de programación Python. Los
datos utilizados serán el redshift, la ascensión recta, declinación, las magnitudes en distintos
filtros y las probabilidades asociadas a cada galaxia de ser espiral o elı́ptica.
Luego de esto, se aplican diversas máscaras a los datos con el fin de filtrar por morfologı́a.
El proyecto Galaxy Zoo daba la posibilidad a las personas de votar por el tipo de galaxia que
les parecı́a más adecuada para clasificar las distintas galaxias, por lo que si la galaxia tiene
una probabilidad sobre el 70 % de ser elı́ptica o espiral, será clasificada como de ese tipo
morfológico. En cambio, si tiene una probabilidad menor del 70 %, será clasificada como in-
cierta. Notar que estas ”galaxias inciertas”no necesariamente son galaxias (indicando [SDSS,
2020] que pueden ser desde estrellas hasta asteroides), por lo que no serán tan consideradas
en el presente trabajo.
Se obtuvo:

Tipo de galaxia Número de galaxias

Espirales 41.186
Elı́pticas 27.183
Inciertas 56.227
Tabla 2: Galaxias clasificadas

Esta información indica que de las 150.000 galaxias, considerando sólo las elı́pticas y
espirales, se trabajará con 68.369 que es cercano al número pedido (60.000). Las galaxias son
vistas en la figura 4 y figura 5, mostrando en el eje con forma circular la ascensión recta en
grados para mostrar la posición del cielo en que están de Este a Oeste y en el eje radial el
redshift que es proporcional a la distancia 3.
Donde las galaxias elı́pticas se ven más dispersas a valores mayores de redshift y con
estructura, que concuerda con el principio de cosmologı́a que dice que estas estructuras
debieran repetirse en el universo. Por otra parte, las galaxias espirales están más concentradas
a valores menores de redshift y se nota menos estructuración dentro de ellas. Por esta razón,
se espera que las galaxias elı́pticas sean más rojas y algunas espirales más azules como
hipótesis inicial.
De las magnitudes en distintos filtros, son transformadas con la ecuación 1 a magnitudes
absolutas, midiendo las distancias con 2 y las velocidades con 3 utilizando los valores de
redshift.
Luego se realizan diversos gráficos que se utilizarán en la discusión relacionados con
magnitudes aparentes, absolutas, color o razón entre flujos y redshift.

6
 Figura 4: Diagrama de pie que muestra las galaxias distribuidas.

Figura 5: Diagrama de pie. De izquierda a derecha se ven las galaxias separadas por tipo
espirales, elı́pticas e inciertas.

Como se menciona, los datos utilizados son calibrados y tienen sesgos definidos. Un sesgo
que no se tomó en consideración fue el sesgo de Malmquist, que se utiliza a menudo para
describir sesgos sistemáticos debido a errores de observación aleatorios. En este caso podrı́an
sobreestimarse el número de galaxias por errores en las mediciones de magnitud, ya que
se hace referencia a que existe una cierta preferencia por observar objetos más brillantes.
Además de que las magnitudes dependen de la distancia de manera compleja.
También se puede considerar la corrección K para ajustar de mejor forma la relación
estándar existente entre la magnitud aparente y absoluta para ası́ corregir efectos de corri-
miento al rojo, de gas y polvo.

7
3. Análisis y Resultados
Para caracterizar las galaxias del universo cercano obtenidas de SDSS, es necesario abor-
dar su estudio desde la fotometrı́a, espectroscopı́a y morfologı́a.
En la figura 6 se observa la declinación en función de la ascensión recta. Este gráfico,
muestra la misma distribución de galaxias que en la figura 3 y se describen los distintos
tipos de galaxias por colores. Es notorio que el color celeste es el predominante dentro de
la muestra y representan las galaxias inciertas. Esto se sostiene con los valores mostrados
en la tabla 2 donde se comparan las cantidades de galaxias y las galaxias inciertas están
en un mayor número. Al no considerarse más adelante su influencia en la muestra por su
desconocida naturaleza, no serán tomadas en cuenta.

Figura 6: Gráfico ascensión recta/declinación. Muestra distribución de las galaxias elegidas

en el cielo.

Como se menciona en el procedimiento, al observar la distribución de galaxias en la figura

5 se formula la idea de que las galaxias elı́pticas estén más corridas al rojo que las espirales.
Se ve la figura 7 que muestra la distribución de redshift y se observa que las galaxias elı́pticas
si cumplen con esta hipótesis. El histograma en rosado, que representa las galaxias elı́pticas,
se distribuye de forma que cubre un mayor rango en valores altos de redshift en comparación
al histograma en naranjo o de galaxias espirales. También, se menciona que las galaxias
espirales están aglomeradas en valores de redshift pequeños, esto viéndose de igual manera
en la figura 7 acumulándose los datos cerca del valor 0.1 de redshift donde se alcanza su
máximo.
Además, si se obtienen los valores numéricos de la muestra, esta se puede describir como
se observa en la tabla 3. Donde los valores de redshift serán mayores para la galaxias elı́pticas
comprobando su corrimiento al rojo en comparación a las galaxias espirales.

Tipo de galaxia Estadı́sticos redshift

Espirales 0.089 ±0,04
Elı́pticas 0.125 ±0,06
Tabla 3: Media aritmética y desviación estándar de redsfhit en galaxias espirales y elı́pticas.

Ahora, se estudia la distribución de magnitudes aparentes y absolutas en las galaxias.

En la figura 12 las magnitudes aparentes se distribuyen entre los valores de 12 a 24 y en el
filtro i es donde existe una mayor cantidad de datos seguido por el filtro r. Seguidamente, en

8
Figura 7: A la izquierda histograma con todos los valores de redshift de galaxias elegidas, a
la derecha redshift de galaxias espirales y elı́pticas.

la figura 13 las magnitudes absolutas se distribuyen entre los valores de -26 y -14 y donde
existe una mayor cantidad de datos es en el filtro g. Además en ambos gráficos, los filtros
más azules (u y g) se posicionan a valores de magnitud más altos y los filtros hacia el rojo
en valores de magnitud menores, por lo que los colores azules serán más brillantes que los
rojos.
Al separar los filtros para ver su distribución de magnitudes como se ve en la figura 8,
las galaxias elı́pticas tendrán más cuentas en las magnitudes asignadas por cada filtro en U,
G y R en relación con las galaxias espirales. Además, en el eje x existe un leve corrimiento
a valores más negativos para las galaxias elı́pticas, que indicará que las galaxias a pesar de
ser más rojas poseen un brillo mayor a las espirales.

Figura 8: Histograma de magnitudes absolutas por galaxia. De izquierda a derecha, filtro U,

G y R, respectivamente.

El análisis de magnitudes también permite estudiar los colores al interpretar la luz ob-
servada de las galaxias. Creando un diagrama color magnitud como el de la figura 9, es
posible determinar distintas caracterı́sticas de la población de galaxias obtenidas. Incluso si
se realiza un estudio exhaustivo, se puede llegar a determinar sus edades medias como sus
metalicidades asociadas, que al igual que las distancias y morfologı́as, tienen una relación
con el redshift. Con esto se obtiene que una edad más joven en las estrellas que componen
la galaxia, indica colores más azules, pero debe tomarse en cuenta el hecho de que también

9
puede ser ocasionado por una metalicidad menor [Milvang-Jensen and Jørgensen, 1999].

Figura 9: Diagrama color magnitud aparente. De izquierda a derecha color [u-g], [g-r] y [r-i].

Los lugares con más saturación de color amarillo representan una mayor acumulación o
número de galaxias como se visualiza en la colorbar del costado derecho de cada gráfico. A
medida que los colores se van al rojo, con u-g más azul y r-i más rojo, los datos comienzan a
aglomerarse y tener una forma más definida alrededor de un valor para el color. Los valores
en los que se distribuyen las magnitudes se mantienen cerca de los 12 a 19 y se nota que se
cortan cerca de 18 a 19 valor de magnitud. Esto sucede debido a que el telescopio corta sus
mediciones cerca de ese valor, como también se ve el la figura 14 entre -22 y -24 valores de
magnitud absoluta.
Luego, analizando la figura 14 con un diagrama color magnitud absoluta, se pueden
diferenciar por tipo de galaxia su comportamiento respectivo. A medida que el color se
desplaza al rojo, las galaxias elı́pticas y espirales se agrupan mucho más cerca de un valor de
color como ocurre también en la figura 9. Añadido a esto, se puede analizar la luminosidad
de las galaxias según sus magnitudes absolutas concluyendo que las galaxias elı́pticas al
estar distribuidas en valores más negativos a medida que los colores van al rojo, serán más
luminosas que las espirales. Como las espirales tendrán una naturaleza más débil, será más
dı́ficil su detección a grandes distancias y esto explicarı́a su distribución en la figura 5, donde
estas galaxias se posicionan a valores de redshift menores.
Es importante notar que para las galaxias elı́pticas, los valores de ı́ndice de color donde se
distribuyen son mayores que para las galaxias espirales. El centro de la distribución elı́ptica
se encuentra por el valor 2.0, mientras que las espirales entre los valores 1.0 y 2.0. Con lo que
las galaxias elı́pticas dominarán el extremo superior de esta población de universo cercano,
en donde sus partes más masivas se van más al rojo que las otras menos masivas vistas en
la parte inferior de los gráficos.
Estudiando ahora el comportamiento de las galaxias espirales, se obtiene que serán más
azules en comparación a las galaxias elı́pticas. Más aún, su gran dispersión de datos entre
los valores de ı́ndice de color puede indicar que existen galaxias espirales clasificadas como
más rojas o que se encuentren en el Valle Verde como se ilustra en la figura 10, donde el eje
x que representa las masas de las galaxias estará relacionada con las magnitudes absolutas o
luminosidad. Se describe al Valle Verde como la zona intermedia entre la formación estelar

10
o estrellas activas en la Nube Azul y la nula formación estelar o estrellas pasivas Secuencia
Roja.
Ambos tipos de galaxias también pueden visualizarse en un mismo gráfico como es la
figura 15 y, apoyándose en la figura 10, definir nuevamente que las galaxias elı́pticas son
más rojas al localizarse en la secuencia roja. Ahora, observando la figura 16, se tiene que las
galaxias elı́pticas a medida que su color es más rojo, este tiene una mayor relación lineal con
el redshift que es bastante obvio debido a su definición. Esta relación con su corrimiento al
rojo también indicará que las galaxias elı́pticas estarán compuestas por estrellas más viejas.
En cambio, para las galaxias espirales, como se mencionó antes, se distribuirán entre el Valle
Verde y galaxias de tipo azul (Nube azul), de esta forma manteniendo distintos tipos de
galaxias entre ellas algunas jóvenes, presentando más gas frı́o en su composición y formación
estelar activa.
Analizando nuevamente la figura 16, se puede extrapolar que las galaxias espirales se
encuentran nuevamente en valores más pequeños de redshift. Al ser el color una razón entre
flujos, lo que se está viendo es cómo se comporta el espectro al cambiar entre bandas de
colores. Las galaxias elı́pticas son las que se muestra un conducta más marcada al irse al
rojo, incluso cambiando visualmente su pendiente, a diferencia de las espirales que a pesar
de definirse más en forma, no se logra una tendencia especı́fica.
Por último, se analiza el diagrama color-color que se muestra que las galaxias elı́pticas
(en rosado), se posicionarán en valores más altos de color indicando su corrimiento al rojo.
Para [g-r] en función de [r-i], se muestra una mayor dependencia lineal que en las otras
composiciones. Esto puede mostrar la relación con el redshift a colores más rojos y la relación
de las galaxias según su clasificación en galaxias de tipo tardı́o o temprano. Por lo que, una
vez más se logra concluir la tendencia al rojo por galaxias elı́pticas al mantener estos valores
elevados en distintas relaciones de color.

11
 Figura 10: Imagen obtenida de Galaxy Zoo.

Figura 11: Diagrama color color. De izquierda a derecha [g-r]/[r-i],[u-g]/[g-r] y [u-g]/[r-i].

4. Discusión y Conclusiones
Con el uso de la fotometrı́a y espectroscopı́a, la astronomı́a ha podido progresar rápida-
mente. Hoy en dı́a, con estas investigaciones se puede determinar los distintos espectros de
objetos celestes y estrellas, como sus morfologı́as y caracterizaciones.
Dentro del estudio realizado a 150.000 galaxias obtenidas de Sloan Digital Sky Survey
(referencia del universo cercano), se concluyó que las galaxias elı́pticas están corridas más
al rojo que las galaxias espirales y debido a esto, su composición debiera estar formada
por estrellas en su mayorı́a viejas. Notar que cerca de un 38 % de galaxias obtenidas no
fueron consideradas al ser inciertas y se trabajó finalmente con 68.369 galaxias. Además,

12
este corrimiento al color rojo denominado redshift, representará una relación estrecha con las
distancias a las que se encuentran las galaxias, con lo que se tendrá que la mayor parte de las
galaxias elı́pticas se encuentren más lejos en comparación a las espirales. Se debe recordar
que la expansión del universo generará estos desplazamientos de las galaxias.
También al realizar gráficos color magnitud y color color, se pudo estudiar más a fondo
la caracterización de las galaxias espirales, obteniendo de la magnitud absoluta que serán
más débiles en luminosidad que las elı́pticas, y por lo tanto, más difı́ciles de detectar. Se
determinó que estas por una parte pueden ser clasificadas como más azules que las elı́pticas
pensando ası́ que tendrán más gas frı́o en su composición debido a formación estelar, pero
al observar con mayor detalle, se dirá que muchas de ellas se encuentran distribuidas entre
los sectores denominados Valle Verde y Nube Azul, pudiendo ası́ obtener galaxias espirales
de distintos tipos (tempranos y tardı́os) y colores.
Para futuros trabajos se recomienda ahondar en otras caracterı́sticas de las galaxias
como pueden ser metalicidad media, edades y correlación de mareas, que van relacionadas al
estudio del redshift. Cabe añadir que en este trabajo no fueron considerados algunos posibles
errores, tales como el sesgo de Malmquist que al corregirlo puede ayudar a definir de mejor
manera resultados de la investigación. También, el ocupar la correción de K ayudarı́a a hacer
mejoras en las conclusiones finales.

13
Figura 12: Histograma de distribución de magnitudes aparentes.

Figura 13: Histograma de distribución de magnitudes absolutas.

14
Figura 14: Diagrama color magnitud absoluta. De izquierda a derecha color [u-g], [g-r] y [r-i].
De arriba hacia abajo, se ven todas las galaxias, las galaxias elı́pticas y las galaxias espirales.

15
Figura 15: Diagrama color magnitud absoluta. De arriba hacia abajo color [u-g], [g-r] y [r-i].
En lado izquierdo todas las galaxias y derecho sólo galaxias espirales y elı́pticas.

16
Figura 16: Diagrama color redshift. De izquierda a derecha galaxias espirales, elı́pticas e
inciertas. De arriba hacia abajo color [u-g], [g-r] y [r-i].

17
Referencias
[Milvang-Jensen and Jørgensen, 1999] Bo Milvang-Jensen and Inger Jørgensen, Galaxy Sur-
face Photometry Baltic Astronomy, vol. 8, 535–574, 1999.

[Tal et al, 2009] Tomer Tal, Pieter G. van Dokkum, Jenica Nelan, Rachel Bezanson, The
Frequency Of Tidal Features Associated With Nearby Luminous Elliptical Galaxies From
A Statistically Complete Sample The Astronomical Journal, 2009.

[Carroll and Dale, 2014] Bradley W. Carroll and Dale A. Ostlie, An Introduction to Modern
Astrophysics Second Edition, 2014.

[Barrientos, 2020] Felipe Barrientos, El universo de las galaxias AST0222: Taller de Astro-
nomı́a, 2020.

[Barrientos, 2020] Felipe Barrientos, Databases in Astronomy AST0222: Taller de Astro-

nomı́a, 2020.

[SDSS, 2020] Sloan Digital Sky Survey, Mapping The Universe http://classic.sdss.org/

[Crockett, 2019] EarthSky, Christopher Crockett, What is the electromagnetic spectrum?

https://earthsky.org/

[Oxford Reference, 2020] https://www.oxfordreference.com/view/10.1093/oi/

authority.20110803100129765

[1] https://en.wikipedia.org/wiki/Color_index

[2] http://cas.sdss.org/dr7/sp/astro/galaxies/galaxies.asp

18
5. Código utilizado

5.1. Query
SELECT TOP 150000 s.specObjID, s.z as redshift, p.ra, p.dec, p.u, p.g, p.r, p.i, p.z,
z.spiral, z.elliptical, z.uncertain, z.peldebiased, z.pcsdebiased
FROM SpecObj as s
LEFT JOIN PhotoObj as p ON p.objid = s.bestObjID
LEFT JOIN ZooSpec as z ON z.objid = s.bestObjID
WHERE
s.z BETWEEN 0 AND 0.3
AND p.dec BETWEEN 10 AND 20
AND z.spiral IS NOT NULL
AND z.elliptical IS NOT NULL
AND z.uncertain IS NOT NULL

#!/usr/bin/env python
# coding: utf-8

# ## Tarea 3 Taller de Astronomı́a

# Objetivo: estudiar la población de galaxias en el universo cercano, y también familia

# ### Parte 1

# Leer la documentación del main survey de SDSS. Entienda cómo se seleccionan las galax

# ### Parte 2

# Utilizando SQL en el catalog archive server, baje la información

# fotométrica (magnitud en las cinco bandas), espectroscópica (redshift) y morfológica

# ### Parte 3

# Estudie la distribución de los diferentes parámetros medidos para el conjunto de gala

# In[1]:

import numpy as np
import scipy.stats as st

19
import pandas as pd
import matplotlib.pyplot as plt
import os
from scipy.optimize import minimize
from matplotlib import rc
from matplotlib.ticker import MultipleLocator
from astropy.io import fits,ascii
from astropy.visualization import (MinMaxInterval, SqrtStretch, LogStretch, ImageNormali
get_ipython().run_line_magic('matplotlib', 'inline')

# In[2]:

from astropy.cosmology import WMAP9 as cosmo

H = cosmo.H(0)
H

# In[3]:

docum = "tarea32.csv"
data = pd.read_csv(docum)
data #visualizo los datos

# In[4]:

sp = data["p_cs_debiased"]
el = data["p_el_debiased"]

# In[5]:

rs = data["redshift"]
ra = data["ra"]
dec = data["dec"]
u = data["u"]
g = data["g"]
r = data["r"]
i = data["i"]
z = data["z"]

20
# In[6]:

#Máscaras
mask_sp = (sp>=0.7)
mask_el = (el>=0.7)
mask_un1 = (sp<0.7)
mask_un2 = (el<0.7)

data_sp = data[mask_sp]
data_el = data[mask_el]
data_un = data[mask_un1]
data_un = data_un[mask_un2]

# In[7]:

print("Galaxias espirales:" + str(len(data_sp)))

print("Galaxias elı́pticas:" + str(len(data_el)))
print("Galaxias inciertas:" + str(len(data_un)))

# In[8]:

rs_sp = data_sp["redshift"]
ra_sp = data_sp["ra"]
dec_sp = data_sp["dec"]
u_sp = data_sp["u"]
g_sp = data_sp["g"]
r_sp = data_sp["r"]
i_sp = data_sp["i"]
z_sp = data_sp["z"]

rs_el = data_el["redshift"]
ra_el = data_el["ra"]
dec_el = data_el["dec"]
u_el = data_el["u"]
g_el = data_el["g"]
r_el = data_el["r"]
i_el = data_el["i"]
z_el = data_el["z"]

21
rs_un = data_un["redshift"]
ra_un = data_un["ra"]
dec_un = data_un["dec"]
u_un = data_un["u"]
g_un = data_un["g"]
r_un = data_un["r"]
i_un = data_un["i"]
z_un = data_un["z"]

# In[9]:

#Magnitudes absolutas
def mag_ab(m, z):
v = 300000 * z
d = (v/69.32)*1000000
M = m - 5*np.log10(d/10)
return M
um = mag_ab(u, rs)
gm = mag_ab(g, rs)
rm = mag_ab(r, rs)
im = mag_ab(i, rs)
zm = mag_ab(z, rs)

# In[10]:

um_sp = mag_ab(u_sp, rs_sp)

gm_sp = mag_ab(g_sp, rs_sp)
rm_sp = mag_ab(r_sp, rs_sp)
im_sp = mag_ab(i_sp, rs_sp)
zm_sp = mag_ab(z_sp, rs_sp)

um_el = mag_ab(u_el, rs_el)

gm_el = mag_ab(g_el, rs_el)
rm_el = mag_ab(r_el, rs_el)
im_el = mag_ab(i_el, rs_el)
zm_el = mag_ab(z_el, rs_el)

um_un = mag_ab(u_un, rs_un)

gm_un = mag_ab(g_un, rs_un)
rm_un = mag_ab(r_un, rs_un)

22
im_un = mag_ab(i_un, rs_un)
zm_un = mag_ab(z_un, rs_un)

# ### Parte 4

# Familiaricese con la información para su muestra de galaxias. Por ejemplo:

#
# a. Grafique, en un diagrama de pie (polar), la posición de cada una de las galaxias e
#
# b. Grafique el color de las galaxias como función de la magnitud
#
# c. Grafique la distribución de la magnitud de las galaxias. ¿es lo que esperaba?
#
# d. Determine la magnitud absoluta para cada galaxia (suponga un
# universo Euclidiano)
#
# e. Repita el gráfico en b), pero ahora con la magnitud absoluta. ¿Las galaxias se dis

# In[11]:

fig = plt.figure(figsize=(7,7))
ax = fig.add_subplot(111, projection="polar")
c = ax.scatter(ra*np.pi/180, rs, s=0.01, c="purple", marker="o")
ax.set_title("Posición de las galaxias")

# In[12]:

fig = plt.figure(figsize=(7,7))
ax = fig.add_subplot(111, projection="polar")
c = ax.scatter(ra_sp*np.pi/180, rs_sp, s=0.01, c="coral", marker="o")
ax.set_title("Posición de las galaxias espirales")

# In[13]:

fig = plt.figure(figsize=(7,7))
ax = fig.add_subplot(111, projection="polar")
c = ax.scatter(ra_el*np.pi/180, rs_el, s=0.01, c="deeppink", marker="o")
ax.set_title("Posición de las galaxias elı́pticas")

23
# In[14]:

fig = plt.figure(figsize=(7,7))
ax = fig.add_subplot(111, projection="polar")
c = ax.scatter(ra_un*np.pi/180, rs_un, s=0.01, c="lightblue", marker="o")
ax.set_title("Posición de las galaxias inciertas")

# In[15]:

fig = plt.figure(figsize=(7,7))
ax = fig.add_subplot(111, projection="polar")
c = ax.scatter(ra*np.pi/180, rs, s=0.01, c="purple", marker="o")
ax.set_title("Posición de las galaxias")
ax.set_thetamin(115)
ax.set_thetamax(255)
ax.set_rmin(0)
ax.set_rmax(0.3)

# In[16]:

ax = plt.axes(projection="mollweide")
ax.grid()
plt.scatter((ra-180)*np.pi/180, dec*np.pi/180, s=1, lw=0, c=rs, cmap=plt.cm.copper,
vmin=0, vmax=0.4)
plt.title("SDSS DR16 Espectroscopı́a de Galaxias")
cb = plt.colorbar(cax=plt.axes([0.05, 0.1, 0.9, 0.05]),
orientation="horizontal",
ticks=np.linspace(0, 0.4, 9))
cb.set_label("Redshift")

# ## Magnitud Aparente

# ### Gráfico Color-Magnitud

# In[32]:

fig = plt.figure(figsize = (20,6))

24
ax = plt.subplot(1,3,1)
plot = ax.hist2d(r, g-r, bins = 1000, cmin = 1, cmap="magma")
fig.colorbar(plot[3])
ax.set_ylabel("Color[g-r]")
ax.set_xlabel("Magnitud aparente filtro r [mag]")
ax.set_title("Color/magnitud aparente")
ax.set_xlim(12, 18)
ax.set_ylim(-0.5, 2.5)

ax1 = plt.subplot(1,3,2)
plot1 = ax1.hist2d(i, r-i, bins = 2000, cmin = 1, cmap="magma")
fig.colorbar(plot1[3])
ax1.set_ylabel("Color[r-i]")
ax1.set_xlabel("Magnitud aparente filtro i [mag]")
ax1.set_title("Color/magnitud aparente")
ax1.set_xlim(12, 18)
ax1.set_ylim(-0.5, 1.5)

ax2 = plt.subplot(1,3,3)
plot2 = ax2.hist2d(g, u-g, bins = 1000, cmin = 1 , cmap="magma")
fig.colorbar(plot2[3])
ax2.set_ylabel("Color[u-g]")
ax2.set_xlabel("Magnitud aparente filtro g [mag]")
ax2.set_title("Color/magnitud aparente")
ax2.set_xlim(12, 19.5)
ax2.set_ylim(-0.5, 4)

# In[18]:

fig, ax = plt.subplots(1,1,figsize=(9,7))
ax.hist(u, bins=90, histtype="step", alpha = 0.5, color="orange")
ax.hist(g, bins=90, histtype="step", alpha = 0.5, color="green")
ax.hist(r, bins=90, histtype="step", alpha = 0.5, linewidth=4 , color="coral")
ax.hist(z, bins=90, histtype="step", alpha = 0.5, color="purple")
ax.hist(i, bins=90, histtype="step", alpha = 0.5, color="deeppink")
ax.set_xlabel("Magnitud aparente")
ax.set_ylabel("Frecuencia")
ax.set_xlim(10, 26)
ax.legend(["filtro u","filtro g","filtro r","filtro z","filtro i"], loc=1)
plt.show()

# In[19]:

25
fig = plt.figure(figsize = (10,4))
ax = fig.add_subplot(111)
ax.scatter(ra, dec, marker="o", s=0.1, color = "lightseagreen")
ax.set_xlabel("RA")
ax.set_ylabel("DEC")
plt.show()

# In[20]:

fig = plt.figure(figsize = (10,4))

ax = fig.add_subplot(111)
ax.scatter(ra_sp, dec_sp, marker="o", s=0.1, color = "coral")
ax.scatter(ra_el, dec_el, marker="o", s=0.1, color = "deeppink")
ax.scatter(ra_un, dec_un, marker="o", s=0.1, color = "lightblue")
ax.set_xlabel("RA")
ax.set_ylabel("DEC")
plt.show()

# In[21]:

fig, ax = plt.subplots(1, 1, figsize = (7,7))

hist = plt.hist(rs, bins = 100, histtype = "step", alpha = 0.5, linewidth=3, color =
ax.set_xlabel("Redshift")
ax.set_ylabel("Frecuencia")
ax.set_title("Distribución de Redshift")
plt.show()

# In[22]:

fig, ax = plt.subplots(1, 1, figsize = (8,7))

hist = plt.hist(rs_sp, bins = 100, histtype = "step", alpha = 0.5, linewidth=3, color
hist1 = plt.hist(rs_el, bins = 100, histtype = "step", alpha = 0.5, linewidth=3, color
#hist2 = plt.hist(rs_un, bins = 100, histtype = "step", alpha = 0.5, linewidth=3, col
ax.set_xlabel("Redshift")
ax.set_ylabel("Frecuencia")
ax.set_title("Distribución de Redshift")
ax.legend()

26
plt.show()

# ## Magnitud Absoluta

# In[33]:

fig = plt.figure(figsize = (20,6))

ax = plt.subplot(1,3,1)
plot = ax.hist2d(rm, gm-rm, bins = 1000, cmin = 1, cmap="magma")
fig.colorbar(plot[3])
ax.set_ylabel("Color[g-r]")
ax.set_xlabel("Magnitud absoluta filtro r [mag]")
ax.set_title("Color/magnitud absoluta")
ax.set_xlim(-26, -14)
ax.set_ylim(-0.5,2)

ax1 = plt.subplot(1,3,2)
plot1 = ax1.hist2d(im, rm-im, bins = 2000, cmin = 1, cmap="magma")
fig.colorbar(plot1[3])
ax1.set_ylabel("Color[r-i]")
ax1.set_xlabel("Magnitud absoluta filtro i [mag]")
ax1.set_title("Color/magnitud absoluta")
ax1.set_xlim(-26, -14)
ax1.set_ylim(-0.5, 1)

ax2 = plt.subplot(1,3,3)
plot2 = ax2.hist2d(gm, um-gm, bins = 1000, cmin = 1 , cmap="magma")
fig.colorbar(plot2[3])
ax2.set_ylabel("Color[u-g]")
ax2.set_xlabel("Magnitud absoluta filtro g [mag]")
ax2.set_title("Color/magnitud absoluto")
ax2.set_xlim(-26, -14)
ax2.set_ylim(-0.5, 4)

# In[39]:

fig = plt.figure(figsize = (20,6))

ax = plt.subplot(1,3,1)
plot = ax.hist2d(rm_el, gm_el-rm_el, bins = 2000, cmin = 1, cmap="magma")
fig.colorbar(plot[3])
ax.set_ylabel("Color[g-r]")

27
ax.set_xlabel("Magnitud absoluta filtro r [mag]")
ax.set_title("Galaxias elı́pticas")
ax.set_xlim(-24, -18)
ax.set_ylim(0.5,2)

ax1 = plt.subplot(1,3,2)
plot1 = ax1.hist2d(im_el, rm_el-im_el, bins = 2000, cmin = 1, cmap="magma")
fig.colorbar(plot1[3])
ax1.set_ylabel("Color[r-i]")
ax1.set_xlabel("Magnitud absoluta filtro i [mag]")
ax1.set_title("Galaxias elı́pticas")
ax1.set_xlim(-24, -18)
ax1.set_ylim(0.2, 0.8)

ax2 = plt.subplot(1,3,3)
plot2 = ax2.hist2d(gm_el, um_el-gm_el, bins = 2000, cmin = 1 , cmap="magma")
fig.colorbar(plot2[3])
ax2.set_ylabel("Color[u-g]")
ax2.set_xlabel("Magnitud absoluta filtro g [mag]")
ax2.set_title("Galaxias elı́pticas")
ax2.set_xlim(-23, -17)
ax2.set_ylim(0.5, 3.5)

# In[41]:

fig = plt.figure(figsize = (20,6))

ax = plt.subplot(1,3,1)
plot = ax.hist2d(rm_sp, gm_sp-rm_sp, bins = 2000, cmin = 1, cmap="magma")
fig.colorbar(plot[3])
ax.set_ylabel("Color[g-r]")
ax.set_xlabel("Magnitud absoluta filtro r [mag]")
ax.set_title("Galaxias espirales")
ax.set_xlim(-24, -16)
ax.set_ylim(0,1.5)

ax1 = plt.subplot(1,3,2)
plot1 = ax1.hist2d(im_sp, rm_sp-im_sp, bins = 2000, cmin = 1, cmap="magma")
fig.colorbar(plot1[3])
ax1.set_ylabel("Color[r-i]")
ax1.set_xlabel("Magnitud absoluta filtro i [mag]")
ax1.set_title("Galaxias espirales")
ax1.set_xlim(-24, -16)
ax1.set_ylim(0, 0.8)

28
ax2 = plt.subplot(1,3,3)
plot2 = ax2.hist2d(gm_sp, um_sp-gm_sp, bins = 2000, cmin = 1 , cmap="magma")
fig.colorbar(plot2[3])
ax2.set_ylabel("Color[u-g]")
ax2.set_xlabel("Magnitud absoluta filtro g [mag]")
ax2.set_title("Galaxias espirales")
ax2.set_xlim(-23, -16)
ax2.set_ylim(0.5, 3)

# In[180]:

fig, (ax, ax1) = plt.subplots(1,2, figsize = (14,7))

ax.scatter(rm_sp, gm_sp-rm_sp, marker="o", s=0.1, color="coral", label="galaxias espiral
ax.scatter(rm_el, gm_el-rm_el, marker="o", s=0.1, color="deeppink", label="galaxias elı́p
ax.scatter(rm_un, gm_un-rm_un, marker="o", s=0.1, color="lightblue", label="galaxias inc
ax.set_ylabel("Color[g-r]")
ax.set_xlabel("Magnitud absoluta filtro r [mag]")
ax.set_title("Color/magnitud distintas galaxias")
ax.set_xlim(-24, -16)
ax.set_ylim(-0.5, 2)
ax.legend()

ax1.scatter(rm_sp, gm_sp-rm_sp, marker="o", s=0.1, color="coral", label="galaxias espira

ax1.scatter(rm_el, gm_el-rm_el, marker="o", s=0.1, color="deeppink", label="galaxias elı́
ax1.set_ylabel("Color[g-r]")
ax1.set_xlabel("Magnitud absoluta filtro r [mag]")
ax1.set_title("Color/magnitud distintas galaxias")
ax1.set_xlim(-24, -16)
ax1.set_ylim(-0.5, 2)
ax1.legend()

# In[181]:

fig, (ax, ax1) = plt.subplots(1, 2, figsize = (14,7))

ax.scatter(im_sp, rm_sp-im_sp, marker="o", s=0.1, color="coral", label="galaxias espiral
ax.scatter(im_el, rm_el-im_el, marker="o", s=0.1, color="deeppink", label="galaxias elı́p
ax.scatter(im_un, rm_un-im_un, marker="o", s=0.1, color="lightblue", label="galaxias inc
ax.set_ylabel("Color[r-i]")
ax.set_xlabel("Magnitud absoluta filtro i [mag]")
ax.set_title("Color/magnitud distintas galaxias")

29
ax.set_xlim(-25, -15)
ax.set_ylim(0, 1)
ax.legend()

ax1.scatter(im_sp, rm_sp-im_sp, marker="o", s=0.1, color="coral", label="galaxias espira

ax1.scatter(im_el, rm_el-im_el, marker="o", s=0.1, color="deeppink", label="galaxias elı́
ax1.set_ylabel("Color[r-i]")
ax1.set_xlabel("Magnitud absoluta filtro i [mag]")
ax1.set_title("Color/magnitud distintas galaxias")
ax1.set_xlim(-25, -15)
ax1.set_ylim(0, 1)
ax1.legend()

# In[182]:

fig, (ax, ax1) = plt.subplots(1, 2, figsize = (14,7))

ax.scatter(gm_sp, um_sp-gm_sp, marker="o", s=0.1, color="coral", label="galaxias espiral
ax.scatter(gm_el, um_el-gm_el, marker="o", s=0.1, color="deeppink", label="galaxias elı́p
ax.scatter(gm_un, um_un-gm_un, marker="o", s=0.1, color="lightblue", label="galaxias inc
ax.set_ylabel("Color[u-g]")
ax.set_xlabel("Magnitud absoluta filtro g [mag]")
ax.set_title("Color/magnitud distintas galaxias")
ax.set_xlim(-24, -15)
ax.set_ylim(0.5, 3)
ax.legend()

ax1.scatter(gm_sp, um_sp-gm_sp, marker="o", s=0.1, color="coral", label="galaxias espira

ax1.scatter(gm_el, um_el-gm_el, marker="o", s=0.1, color="deeppink", label="galaxias elı́
ax1.set_ylabel("Color[u-g]")
ax1.set_xlabel("Magnitud absoluta filtro g [mag]")
ax1.set_title("Color/magnitud distintas galaxias")
ax1.set_xlim(-24, -15)
ax1.set_ylim(0.5, 3)
ax1.legend()

# In[183]:

fig, ax = plt.subplots(1,1,figsize=(9,7))
ax.hist(um, bins=150, histtype="step", alpha = 0.5, color="orange")
ax.hist(gm, bins=150, histtype="step", alpha = 0.5, color="green")
ax.hist(rm, bins=150, histtype="step", alpha = 0.5, linewidth=4 , color="coral")

30
ax.hist(zm, bins=150, histtype="step", alpha = 0.5, color="purple")
ax.hist(im, bins=150, histtype="step", alpha = 0.5, color="deeppink")
ax.set_xlabel("Magnitud absoluta")
ax.set_ylabel("Frecuencia")
ax.set_xlim(-26, -14)
ax.legend(["filtro u","filtro g","filtro r","filtro z","filtro i"], loc=1)
plt.show()

# ### Parte 5

# Estudie el color de las galaxias como función del tipo morfológico, del
# redshift y luminosidad.

# In[184]:

fig, (ax, ax1, ax2) = plt.subplots(1, 3 ,figsize=(16,5))

ax.hist(um_sp, bins=90, histtype="step", alpha = 0.5, linewidth=3, color="coral")
ax.hist(um_el, bins=90, histtype="step", alpha = 0.5, linewidth=3, color="deeppink")
ax.set_xlabel("Magnitud absoluta")
ax.set_ylabel("Frecuencia")
ax.set_title("Filtro U")
ax.set_xlim(-25, -10)
ax.set_ylim(0, 5000)
ax.legend(["galaxias espirales","galaxias elı́pticas","galaxias irregulares"], loc=1)

ax1.hist(gm_sp, bins=90, histtype="step", alpha = 0.5, linewidth=3, color="coral")

ax1.hist(gm_el, bins=90, histtype="step", alpha = 0.5, linewidth=3, color="deeppink")
ax1.set_xlabel("Magnitud absoluta")
ax1.set_ylabel("Frecuencia")
ax1.set_title("Filtro G")
ax1.set_xlim(-25, -10)
ax1.set_ylim(0, 5000)
ax1.legend(["galaxias espirales","galaxias elı́pticas","galaxias irregulares"], loc=1)

ax2.hist(rm_sp, bins=90, histtype="step", alpha = 0.5, linewidth=3, color="coral")

ax2.hist(rm_el, bins=90, histtype="step", alpha = 0.5, linewidth=3, color="deeppink")
ax2.set_xlabel("Magnitud absoluta")
ax2.set_ylabel("Frecuencia")
ax2.set_title("Filtro R")
ax2.set_xlim(-25, -10)
ax2.set_ylim(0, 5000)
ax2.legend(["galaxias espirales","galaxias elı́pticas","galaxias irregulares"], loc=1)

31
# In[185]:

fig, (ax, ax1, ax2) = plt.subplots(3,1,figsize=(10,16))

ax.hist(um_sp, bins=90, histtype="step", alpha = 0.5, linewidth=2, color="lightblue")
ax.hist(gm_sp, bins=90, histtype="step", alpha = 0.5, linewidth=2, color="deeppink")
ax.hist(rm_sp, bins=90, histtype="step", alpha = 0.5, linewidth=2 , color="coral")
ax.hist(im_sp, bins=90, histtype="step", alpha = 0.5, linewidth=2 , color="green")
ax.hist(zm_sp, bins=90, histtype="step", alpha = 0.5, linewidth=2 , color="yellow")
ax.set_title("Galaxias espirales")
ax.set_xlabel("Magnitudes aparentes")
ax.set_ylabel("Frecuencia")
ax.set_xlim(-26, -12)
ax.legend(["filtro u", "filtro g", "filtro r", "filtro i", "filtro z"], loc=1)

ax1.hist(um_el, bins=90, histtype="step", alpha = 0.5, linewidth=2, color="lightblue")

ax1.hist(gm_el, bins=90, histtype="step", alpha = 0.5, linewidth=2, color="deeppink")
ax1.hist(rm_el, bins=90, histtype="step", alpha = 0.5, linewidth=2 , color="coral")
ax1.hist(im_el, bins=90, histtype="step", alpha = 0.5, linewidth=2 , color="green")
ax1.hist(zm_el, bins=90, histtype="step", alpha = 0.5, linewidth=2 , color="yellow")
ax1.set_title("Galaxias elı́pticas")
ax1.set_xlabel("Magnitudes aparentes")
ax1.set_ylabel("Frecuencia")
ax1.set_xlim(-26, -12)
ax1.legend(["filtro u", "filtro g", "filtro r", "filtro i", "filtro z"], loc=1)

ax2.hist(um_un, bins=90, histtype="step", alpha = 0.5, linewidth=2, color="lightblue")

ax2.hist(gm_un, bins=90, histtype="step", alpha = 0.5, linewidth=2, color="deeppink")
ax2.hist(rm_un, bins=90, histtype="step", alpha = 0.5, linewidth=2 , color="coral")
ax2.hist(im_un, bins=90, histtype="step", alpha = 0.5, linewidth=2 , color="green")
ax2.hist(zm_un, bins=90, histtype="step", alpha = 0.5, linewidth=2 , color="yellow")
ax2.set_title("Galaxias inciertas")
ax2.set_xlabel("Magnitudes aparentes")
ax2.set_ylabel("Frecuencia")
ax2.set_xlim(-26, -12)
ax2.legend(["filtro u", "filtro g", "filtro r", "filtro i", "filtro z"], loc=1)

plt.show()

# In[186]:

plt.figure(figsize = (20,6))

32
ax = plt.subplot(1,3,1)
ax.scatter(rm_sp-im_sp, gm_sp-rm_sp, marker="o", s=0.01, color="coral", label = "galaxia
ax.scatter(rm_el-im_el, gm_el-rm_el, marker="o", s=0.01, color="deeppink", label = "gala
#ax.scatter(um_un-rm_un, gm_un-rm_un, marker="o", s=0.01, color="lightblue")
ax.set_xlabel("Color[r-i]")
ax.set_ylabel("Color[g-r]")
ax.set_title("Color")
ax.set_xlim(0, 1)
ax.set_ylim(0, 2)
ax.legend()

ax1 = plt.subplot(1,3,2)
ax1.scatter(gm_sp-rm_sp, rm_sp-im_sp, marker="o", s=0.01, color="coral", label="galaxias
ax1.scatter(gm_el-rm_el, rm_el-im_el, marker="o", s=0.01, color="deeppink", label="galax
#ax1.scatter(gm_un-rm_un, um_un-rm_un, marker="o", s=0.01, color="lightblue")
ax1.set_xlabel("Color[g-r]")
ax1.set_ylabel("Color[r-i]")
ax1.set_title("Color")
ax1.set_xlim(0, 2)
ax1.set_ylim(0, 1)
ax1.legend()

ax2 = plt.subplot(1,3,3)
ax2.scatter(rm_sp-im_sp, um_sp-gm_sp, marker="o", s=0.01, color="coral", label="galaxias
ax2.scatter(rm_el-im_el, um_el-gm_el, marker="o", s=0.01, color="deeppink", label="galax
#ax2.scatter(um_un-rm_un, um_un-gm_un, marker="o", s=0.01, color="lightblue")
ax2.set_xlabel("Color[r-i]")
ax2.set_ylabel("Color[u-g]")
ax2.set_title("Color")
ax2.set_xlim(0, 1)
ax2.set_ylim(0.5, 3.5)
ax2.legend()

# In[187]:

plt.figure(figsize = (20,6))
ax3 = plt.subplot(1,3,1)
ax3.scatter(um_sp-gm_sp, rm_sp-im_sp, marker="o", s=0.01, color="coral", label="galaxias
ax3.scatter(um_el-gm_el, rm_el-im_el, marker="o", s=0.01, color="deeppink", label="galax
ax3.set_xlabel("Color[u-g]")
ax3.set_ylabel("Color[r-i]")
ax3.set_title("Color")
ax3.set_xlim(0.5, 3.5)

33
ax3.set_ylim(0, 1)
ax3.legend()

ax4 = plt.subplot(1,3,2)
ax4.scatter(gm_sp-rm_sp, um_sp-gm_sp, marker="o", s=0.01, color="coral", label="galaxias
ax4.scatter(gm_el-rm_el, um_el-gm_el, marker="o", s=0.01, color="deeppink", label="galax
ax4.set_xlabel("Color[g-r]")
ax4.set_ylabel("Color[u-g]")
ax4.set_title("Color")
ax4.set_xlim(0, 1.75)
ax4.set_ylim(0.5, 3)
ax4.legend()

ax5 = plt.subplot(1,3,3)
ax5.scatter(um_sp-gm_sp, gm_sp-rm_sp, marker="o", s=0.01, color="coral", label="galaxias
ax5.scatter(um_el-gm_el, gm_el-rm_el, marker="o", s=0.01, color="deeppink", label="galax
ax5.set_xlabel("Color[u-g]")
ax3.set_ylabel("Color[g-r]")
ax5.set_title("Color")
ax5.set_xlim(0.5, 3)
ax5.set_ylim(0, 2)
ax5.legend()

# In[188]:

plt.figure(figsize = (20,6))
ax = plt.subplot(1,3,1)
ax.scatter(rs_sp, gm_sp-rm_sp, marker="o", s=0.01, color="coral", cmap="magma")
ax.set_xlabel("Redshift")
ax.set_ylabel("Color[g-r]")
ax.set_title("Galaxias Espirales [g-r]")
ax.set_xlim(0, 0.3)
ax.set_ylim(0, 2)

ax1 = plt.subplot(1,3,2)
ax1.scatter(rs_el, gm_el-rm_el, marker="o", s=0.01, color="deeppink", cmap="magma")
ax1.set_xlabel("Redshift")
ax1.set_ylabel("Color[g-r]")
ax1.set_title("Galaxias Elı́pticas [g-r]")
ax1.set_xlim(0, 0.3)
ax1.set_ylim(0, 2)

ax2 = plt.subplot(1,3,3)

34
ax2.scatter(rs_un, gm_un-rm_un, marker="o", s=0.01, color="lightblue", cmap="magma")
ax2.set_xlabel("Redshift")
ax2.set_ylabel("Color[g-r]")
ax2.set_title("Galaxias inciertas [g-r]")
ax2.set_xlim(0, 0.3)
ax2.set_ylim(0, 2)

# In[189]:

plt.figure(figsize = (20,6))
ax = plt.subplot(1,3,1)
ax.scatter(rs_sp, rm_sp-im_sp, marker="o", s=0.01, color="coral", cmap="magma")
ax.set_xlabel("Redshift")
ax.set_ylabel("Color[r-i]")
ax.set_title("Galaxias Espirales [r-i]")
ax.set_xlim(0, 0.3)
ax.set_ylim(0, 1)

ax1 = plt.subplot(1,3,2)
ax1.scatter(rs_el, rm_el-im_el, marker="o", s=0.01, color="deeppink", cmap="magma")
ax1.set_xlabel("Redshift")
ax1.set_ylabel("Color[r-i]")
ax1.set_title("Galaxias Elı́pticas [r-i]")
ax1.set_xlim(0, 0.3)
ax1.set_ylim(0, 1)

ax2 = plt.subplot(1,3,3)
ax2.scatter(rs_un, rm_un-im_un, marker="o", s=0.01, color="lightblue", cmap="magma")
ax2.set_xlabel("Redshift")
ax2.set_ylabel("Color[r-i]")
ax2.set_title("Galaxias inciertas [r-i]")
ax2.set_xlim(0, 0.3)
ax2.set_ylim(0, 1)

# In[190]:

plt.figure(figsize = (20,6))
ax = plt.subplot(1,3,1)
ax.scatter(rs_sp, um_sp-gm_sp, marker="o", s=0.01, color="coral", cmap="magma")
ax.set_xlabel("Redshift")
ax.set_ylabel("Color[u-g]")

35
ax.set_title("Galaxias Espirales [u-g]")
ax.set_xlim(0, 0.3)
ax.set_ylim(0, 3)

ax1 = plt.subplot(1,3,2)
ax1.scatter(rs_el, um_el-gm_el, marker="o", s=0.01, color="deeppink", cmap="magma")
ax1.set_xlabel("Redshift")
ax1.set_ylabel("Color[u-g]")
ax1.set_title("Galaxias Elı́pticas [u-g]")
ax1.set_xlim(0, 0.3)
ax1.set_ylim(0, 3)

ax2 = plt.subplot(1,3,3)
ax2.scatter(rs_un, um_un-gm_un, marker="o", s=0.01, color="lightblue", cmap="magma")
ax2.set_xlabel("Redshift")
ax2.set_ylabel("Color[u-g]")
ax2.set_title("Galaxias inciertas [u-g]")
ax2.set_xlim(0, 0.3)
ax2.set_ylim(0, 3)

# In[ ]:

36