这是一个有趣的问题!我的回答很长，很抱歉，但希望它能全面地解决这个问题。如果你一直这样做下去，你就会对暗物质在星系中是如何量化的不确定性有一个很好的理解，以及为什么星系可以有不同数量的暗物质。
先说正题:你说得对，在不同的星系中，暗物质的数量似乎有很大的差异。这里的关键字是观察:许多变化是由于暗物质在星系中被“观察”的方式。暗物质的数量也可能有内在的变化，我们稍后会讲到，但是我们先来讨论一下天文学家是如何测量星系中暗物质的数量的。
为了“观察”暗物质，我们必须观察星系中可见物体(如恒星或气体)的运动，因为暗物质本身是不可见的。从可见物质的运动，然后推断出有多少总质量(所谓动态)通过牛顿引力，减去可见物质的质量，剩下的是暗物质。这是基本的程序。
现在，有两种运动可以支持物质抵抗重力:旋转和弥散。在旋转中，离心力平衡重力，形成一个圆盘结构。在弥散过程中，恒星就像无摩擦盆地中的弹珠，由于速度过高而无法落入下水道，因此通过随机运动(就像房间里的空气悬浮一样)来抵抗重力。星系是由旋转和色散的组合支撑起来的，但通常只有一个星系占主导地位:螺旋星系以旋转为主，而椭圆星系则以色散为主。
现在我们必须测量运动。为了测量恒星的速度，我们使用多普勒位移。通过比较已知的化学元素的发射和吸收频率(在地球上测量)与遥远星系的观测频率，我们可以量化恒星的运动。
在螺旋星系的例子中，星系的一边将会旋转远离我们，而另一边将会旋转朝向我们。因此，相对于星系中心，一侧会红移，另一侧会蓝移。当然，由于宇宙膨胀，整个星系都有可能发生红移，但我们可以减去这个运动，以观察星系内恒星的相对运动。最终的结果看起来就像这样，在沿着星系盘的后退速度与位置的关系图中:
所以星系的一边比另一边有更大的衰退速度。在这种情况下，整个星系的后退速度约为1200公里/秒，一旦这部分被减去，剩下的[math]\pm[/math]500公里/秒左右的运动(峰值)，与星系的旋转相对应。那么，星系的动态质量就是[math]M=RV_{\rm peak}^2/G[/math]，其中[math]V_{\rm peak}[/math]是测量到的峰值圆周速度，[math]R[/math]是峰值出现的半径(沿轴横向测量)。要获得这些值，通常需要拟合一个旋转曲线(如上图中的实线所示)，然后在最佳拟合曲线上测量这些值，以避免受到噪声峰值的影响。
但还有一个额外的问题。多普勒频移只测量视线内的速度，而不是总速度。速度的横向分量是不可测的。因此，你可以看到，上面的测量只有在星系盘是完全平行的情况下才有效。只有在这种情况下，[math]V_{\rm peak}[/math]才能测量恒星的实际旋转速率。如果星系不是完全的侧边，那么我们就必须校正它的倾斜度。如果星系倾斜的角度[math]i[/math]相对于面朝上(因此[math]i=90^ circ[/math]是边朝上的)，那么真正的旋转速度是[math]V_{\rm peak}/\sin i[/math]。因此，我们需要估计倾角i，基本上是通过观察图像来判断图像有多长。这是相当不确定的。由于这个原因，大多数天文学家专注于相当边缘的星系(sini≈1)来测量旋转曲线。但这减少了样本量。
最后，我们需要测量Vpeak R和i来得到M。每一个都引入了一些不确定性。此外，这一切都假设恒星在一个非常薄的圆盘中处于完美的圆形轨道，而没有一个真正的星系能达到这种理想状态!你也可以有小的不可见的星系插入和合并，但不管怎样，会把所有的速度测量都搞砸。你们已经看到，测量M并不是每次都是完美的。
但还有最后一步。M是总引力(动态)质量，而我们想要暗物质质量。因此，我们必须减去恒星和气体的质量(还有黑洞，但它通常小得微不足道)。这就需要将恒星发出的可测量光线转换成恒星的质量，通过所谓的质量/光线比率M∗/L实现。每颗恒星发出的光的数量取决于它的质量、年龄、和金属丰度,所以必须做出一些假设,包括假设恒星的质量函数,对恒星演化和各种假设将测量年龄和金属丰度转化为预期的光输出。然后测量M∗/L，将它乘以光得到恒星的质量M∗，将它减去总质量，就得到了暗物质的质量Mdark=M−M∗。我甚至还没有讨论气体，它更难量化，但通常是次主导的。
所以你可以看到，测量任何给定星系的暗物质质量并不是一个简单干净的过程。尽管如此，对于螺旋星系，结果是相当一致的:螺旋星系几乎总是显示出相当多的暗物质(尽管有一些变化)。这可以追溯到Vera Rubin的开创性工作，但是现在已经被证实了无数次。
相比之下，以色散为主导的系统在暗物质含量上的变化要大得多，尤其是那些小系统。事实上，最近发现的一个没有暗物质的星系(下图)就属于这一类。对于以色散为主的系统，不能测量旋转曲线，因为没有旋转(或只有很少的旋转)。那么:如何在离散控制系统中测量Mdark呢?
为了理解这一点，让我们思考一下恒星是如何在一个以色散为主导的系统中运行的。这些轨道呈椭圆形，有些像围绕太阳的彗星一样拉长。因此，一些恒星离中心很远，移动缓慢，而另一些则离中心很近，呼啸而过。当它发生时，我们可以证明恒星的整体速度形成了一个高斯分布。因此我们可以测量恒星的直线速度，然后测量高斯分布，这本身就是恒星的速度分布。
棘手的是，在椭圆星系中，基本上没有发射线特征。所以我们要测量恒星吸收线的色散。这使得测量更加困难，因为一个人拥有的光子越少，测量的准确度就越低——所以明亮的发射线比微弱的吸收线测量得更精确。在测量吸收线之后，必须将星系中的吸收线宽度与单个恒星的预期吸收线宽度(其中有一些固有宽度)进行比较。减去本征宽度(求积)，就得到了与恒星运动相对应的色散。
例如，在上图中，黑色的线是星系，红色的线是单个恒星的模板。然后测量包括与的高斯卷积红线宽度σ,这样结果看起来像黑色的线。σ是恒星的速度色散。
动态质量可以估计从M = Rσ2 / G,这类似于螺旋除了我们已经取代了循环速度与速度色散。再一次，我们必须减去恒星M的质量，使用质量与光照的比率(以及随之而来的所有不确定性)来得到Mdark。
那么倾斜度呢?这就是事情变得棘手的地方。上面的数学只适用于一般的球形系统。但大多数椭圆是扁的或长形的。这不是由于旋转(虽然可能部分如此);有一些稳定的轨道家族，不需要任何旋转就能产生扁星系或长星系，这完全是由于星系的组装方式。
假设有一个星系在天空中环顾四周。事实上，它可能是扁的，也可能是长形的，但我们只是碰巧沿着它的轴线观察它——我们无法测量一个星系的深度。然而，我们通过多普勒频移测量的视线速度色散恰好探测到了深度轴;哦。因此，即使一个看起来是圆的星系，实际上也可能只是一个面朝上的煎饼。如果你沿着深度轴测量一个面在薄煎饼上的速度色散，很明显它会非常小，因为它很薄。这可以给你一个更小的测量动态质量比如果一个人从另一个角度看它。减去恒星部分后，一个人似乎就完全没有暗物质了!
为了克服这个问题，我们可以使用一种叫做牛仔裤建模的技术，但这需要非常高精度的数据，因此不确定性很大。对于上面提到的没有暗物质的星系，我的同事Pieter van Dokkum(他领导了这个发现)非常清楚所有这些问题。他的团队得到了很好的数据，并做了完整的牛仔裤模型，结果表明，他们的首选解决方案是，除了恒星之外，银河系没有额外的质量。[说句题外话，这排除了暗物质最常见的替代物，MOND，它预测引力与可见物质有关;这个星系有很多这样的物质，但是恒星遵循牛顿引力的运动，而不是MOND。因此，就我们所知，这个星系确实没有暗物质。事实上，它并不是唯一的，之前有很多椭圆星系被证明与暗物质无关，但测量结果却不那么精确。
所以看起来星系暗物质的含量可能有一些内在的变化。现在让我们来讨论这个问题:是否存在没有或只有很少暗物质的星系?
是的!事实上，最近在理解星系形成方面的进展表明，这并不太令人惊讶。
为了理解其中的原因，让我们首先考虑暗物质和可见物质是如何分布的。因为可见物质可以发光，所以它可以把能量释放到太空中。让我们回到盆地中的大理石的类比，这意味着可见物质有摩擦力，使其向中心下落。所以星系的可见成分比暗物质更能凝聚。因此，可见星系有暗物质晕。暗物质只有在达到相当大的尺度时才占主导地位。
这里有一个棘手的部分:当我们测量一个星系中有多少暗物质时，我们只能测量可见部分内的暗物质!显然，我们不打算在没有可见示踪剂的区域测量暗物质的质量。所以当有人说一个星系没有暗物质，他们的意思是，在我们看到可见物质的区域没有暗物质。
人们可以立即看到这个问题:由于暗物质是如此的分散，即使在更远的地方有很多暗物质，在可见区域也可能很少或根本没有暗物质。
事实上，由星系中的大质量恒星引发的超新星爆炸，可能正是这种情况。由于超新星发生在恒星形成的地方，它们也会冲动地加热星系可见区域的所有物质(包括暗的和可见的)。这些超新星的爆发导致了从星系中大量气体物质的流出，而这些气体物质现在已经很常见了。但事实证明，它们也会通过本文描述的过程(例如:超新星反馈如何将暗物质尖端转变为核心，并得到详细的数值模拟的支持)来移除暗物质。所以事实上，在星系中形成恒星的过程可以将暗物质从星系的可见区域中移除!
因为暗物质的去除过程是相当随机的(取决于超新星爆炸的位置和方式)，星系最终会有一系列内在的暗物质。由于椭圆星系被认为是在类星事件中形成的，所以它们特别容易受到暗物质含量变化的影响。因此，不仅仅是测量的不确定性会导致一些星系看起来几乎没有或几乎没有暗物质，很有可能这些星系真的很少或根本没有暗物质。
由于许多观测效应，暗物质的测量结果可能是不确定的，而且由于星系最初形成的过程，星系可见区域内暗物质的真实数量也可能有很大差异。因此，星系看起来确实具有广泛的暗物质含量。导致这一结果的过程现在已经被很好地理解了。
为什么有些星系看起来主要是暗物质组成的，而其他的有些星系几乎没有暗物质?这个答案可能比你预想的要长，但这是一个非常有趣的问题，也是世界各地的许多研究人员(包括我的团队)正在积极研究的问题。希望你也会感兴趣！感谢你的阅读。
