音乐与数学的双重根源：从毕达哥拉斯到赫尔姆霍茨 / The Dual Roots of Music and Mathematics: From Pythagoras to Helmholtz

音乐与数学的双重根源：从毕达哥拉斯到赫尔姆霍茨 / The Dual Roots of Music and Mathematics: From Pythagoras to Helmholtz

1.1 问题的提出：和声为何必须是数学的？ / The Central Question: Why Must Harmony Be Mathematical?

西方音乐理论自古典时代起便被纳入"四艺"（quadrivium）之算术范畴，这一历史事实并非偶然的学科分类结果，而是源于一个深层哲学承诺：音程和谐性（consonance）的结构等同于有理比例（rational proportion）的结构。当我们追述这一承诺的源头时，首先遭遇的是古希腊关于 μουσική 的两重含义：作为缪斯之艺的实践学科，与作为"可闻数"（ἀριθμὸς ἐν ῥυθμῷ）即"在时间中展开之数"的形而上学命题。后者将音乐转化为一个关于比率而非感受、关于结构而非材料的本体论对象。本章的核心问题因此可以被重述为：在何种条件下，比率本体论成为不可替代的？又是什么经验证据最终动摇了它在十九世纪末的统治地位？

The Pythagorean tradition transmitted by Boethius in *De Institutione Musica* (c. 500 CE) instantiates a thesis that governs two and a half millennia of Western musical thought: the *structure of consonance is identical to the structure of rational proportion*. From this identification flow three commitments that distinguish the Pythagorean tradition from its Chinese (lülü 律吕), Indian (jati), and Arabic (maqamat) counterparts: (i) consonance is objective, residing in the acoustic signal rather than in the perceiver; (ii) consonance is generable, since rational numbers can be constructed by successive operations; (iii) consonance is exhaustive, since every tone can be located on a uniquely determined scale through numerical relations. These three commitments constitute the philosophical kernel of what the medieval *quadrivium* absorbed into *arithmetica*, and they are the very commitments that Helmholtz's experimental psychology would later call into question.

为了在后续分析中保持术语统一，本书自此采用如下记号：音高集（pitch set）记为 $P$；音高关系集（relation set）记为 $\mathcal{R}$；时间流（time flow）记为 $\mathcal{T}$。三者的形式化三元组 $X = (P, \mathcal{R}, \mathcal{T})$ 构成本书第二部分"公理化框架"（Axiomatic Framework）的基本对象，详见 §1.7。

1.2 毕达哥拉斯与音程比的代数起源 / Pythagoras and the Algebraic Origins of Interval Ratios

毕达哥拉斯学派的音律实验（通常归于公元前六世纪，但经希腊化时期文献的层累构造）确立了三个基本音程比：八度 $\frac{1}{2}$，纯五度 $\frac{2}{3}$，纯四度 $\frac{3}{4}$。这三个比例满足三个代数性质，使其有别于后来引入的"非纯律"音程：

The three canonical Pythagorean ratios — the octave (1:2), perfect fifth (2:3), and perfect fourth (3:4) — satisfy three algebraic properties that became foundational axioms for just intonation:

(P1) 闭合性（Closure under multiplication）：两个毕达哥拉斯音程之积仍为整数比。例如 $\frac{2}{3} \cdot \frac{3}{4} = \frac{1}{2}$，对应"纯五度 + 纯四度 = 八度"的声学事实。这一性质在群论语言下表达为：若 $r_1, r_2 \in \mathbb{Q}^+$，则 $r_1 r_2 \in \mathbb{Q}^+$，故毕达哥拉斯音程集在乘法下封闭。

(P2) 结合性（Associativity）：任意三个音程之积满足 $(r_1 r_2) r_3 = r_1 (r_2 r_3)$。此性质保证对位分析中对声部先后次序的不敏感性。

(P3) 唯一表示（Unique representation modulo octave）：在模八度等价下，任意毕达哥拉斯音程可唯一地表示为 $2^a 3^b$ 形式（其中 $a, b \in \mathbb{Z}$）。这意味着毕达哥拉斯音程构成的群同构于 $\mathbb{Z} \times \mathbb{Z}$，其生成元为 $(1,0)$ 对应八度，$(0,1)$ 对应纯五度。

$$\mathcal{G}_{\text{Pyth}} = \left\{ 2^a \cdot 3^b : a, b \in \mathbb{Z} \right\} \cong \mathbb{Z} \times \mathbb{Z}$$

唯一表示的关键意义在于：它把音乐调音问题转化为整数因子分解问题，从而把音乐理论移入数论领地的中心。Tetraktys（$\tauετρακτ\acute{υ}\varsigma$，四元组）—— 即 $1+2+3+4=10$ —— 表达了一种完整的形而上学图景：音乐的"完满性"对应于数字的整除性，音程的"纯粹性"对应于分子分母的互素。这一信念从毕达哥拉斯经柏拉图（《蒂迈欧》中的世界灵魂论）一路延伸至中世纪欧洲的 boethian 音阶论。

然而，毕达哥拉斯音律在十六世纪遇到第一次内部危机：纯律大三度 $\frac{4}{5}$ 不能由若干纯五度叠加精确生成。具体而言，连续叠加十二个纯五度给出比值：

$$\left(\frac{3}{2}\right)^{12} = \frac{531441}{4096} \approx 129.746$$

而七个八度给出比值：

$$2^7 = 128$$

两者之差约为 $1.36\%$，即著名的"毕达哥拉斯音差"（Pythagorean comma）：

$$\delta = \frac{3^{12}}{2^{19}} \approx 1.01364$$

这个不可调和的余量意味着（P3）中的"唯一表示"在跨八度连接处失效。该失效并非纯粹的数学游戏，而是欧洲音乐从单声部向多声部、从调式向调性演进过程中必须解决的工程问题。其最终解决路径分为两条：一条是维尔瑟斯特（Vincenzo Galilei 父亲）等人推动的平均律（well-temperament）路线，另一条是扎利诺（Giovanni Battista Zarlino）所主张的纯律（just intonation）路线，二者的张力贯穿了 §1.4 整节。

1.3 欧几里得《Sectio Canonis》与亚里士多德的运动学说 / Euclid's *Sectio Canonis* and Aristotle's Doctrine of Motion

欧几里得（活动期约公元前 300 年）的《Sectio Canonis》（《弦论》或《论分割》）是西方音乐理论史上第一个将音程关系形式化为公理系统的文本。其论证结构如下：

(E1) 一根被分割的弦（canon）发出两个音，二者之间的音程比等于弦长比。

(E2) 高音弦振动的次数与弦长成反比；同时间内若高音完成整数次振动而低音完成一次，则听者感知到协和；若比例为无理数，则听者感知到不协和。

(E3) 协和音程集等于 $\{\frac{n+1}{n} : n \in \mathbb{Z}^+\}$ 在模八度等价下的像，即 $1:2, 2:3, 3:4, 4:5, 5:6$ 等。

Euclid's *Sectio* introduces the first *kinetic* explanation of consonance. Sound is not the ratio itself but the *temporal pattern of coincidences* between two periodic motions. This recasts the Pythagorean question: rather than "what ratios sound consonant?", the tradition now asks "what ratios produce a *finite* recurrence pattern in the air?". The set of consonant ratios is therefore the set of rational numbers in lowest terms, modulo octave equivalence — a set dense in $\mathbb{R}$ but countable, hence amenable to axiomatic treatment.

欧几里得公理系统的哲学重要性在于它首次将时间引入音程关系。在毕达哥拉斯的比率本体论中，时间是"展开"比率的外部维度；而在《弦论》中，时间是协和感知本身的构成要素——只有"在有限时间内回到同一相位"的振动比才是协和的。这一转向为亚里士多德的运动学说提供了应用场域。

In *De Anima* II.8, Aristotle distinguishes κίνησις (motion) from ἐνέργεια (activity), arguing that sound is the *result* of motion in the medium, not motion itself. The ear perceives the *rate* of recurrence, and recurrence at integer ratios is rational (σύμφωνος), recurrence at irrational ratios is unbounded (διάφωνος). The Euclidean–Aristotelian synthesis therefore anticipates, by two millennia, what signal-processing engineers would call the *autocorrelation theory of consonance*: two tones are consonant iff their autocorrelation functions exhibit aligned peaks at integer-multiple intervals.

为了形式化这一思想，引入函数 $R_{x}(\tau) = \lim_{T \to \infty} \frac{1}{T} \int_0^T x(t) x(t+\tau) \, dt$ 表示音信号 $x(t)$ 的自相关。两个频率为 $f_1, f_2$ 的纯音之和 $x(t) = \sin(2\pi f_1 t) + \sin(2\pi f_2 t)$ 的自相关为：

$$R_x(\tau) = \cos(2\pi f_1 \tau) + \cos(2\pi f_2 \tau)$$

当 $f_1 / f_2 = p/q$（既约分数）时，$R_x(\tau)$ 在 $\tau = q/f_2$ 处首次完全回归初始相位——这一时间长度即"心理周期"（psychological period）。当 $f_1 / f_2$ 为无理数时，$R_x(\tau)$ 在任意 $\tau > 0$ 均不回归初始相位，听者持续感受到相位滑动产生的"拍频"（beat），并将其感知为不协和。欧几里得—亚里士多德传统的数学内核因此可重述为：协和 = 自相关的有理性与周期性。

这一论断在十九世纪得到惊人的实证支持，但实证本身又改写了其形而上学含义——详见 §1.5。

1.4 文艺复兴的功能和声学：Zarlino 与 Rameau / Functional Harmony of the Renaissance: Zarlino and Rameau

文艺复兴时期的和声理论完成了两个关键步骤：第一，重新发现并形式化纯律大三和弦；第二，把和弦解释为"功能性"的声学结构而非"参数化"的声部集合。

扎利诺（Giovanni Battili Zarlino，1517–1590）在 *Le istitutioni harmoniche*（1558）中提出senario（六数系）理论：1:2:3:4:5:6 构成一个完整的"自然音阶"（scala naturale），其中 4:5:6 形成大三和弦（major triad），5:6 与 4:5 分别对应小三度和大三度。这一构造的几何意义在于：senario 是第一个包含纯律大三度的整数比例集，即通过在毕达哥拉斯仅用 2 和 3 的基础上加入素数 5 而扩展了代数系统。

Zarlino's *senario* introduced the first *generating ratio set* for triadic harmony:

$$\mathcal{G}_{\text{Zarlino}} = \left\{ 2^a \cdot 3^b \cdot 5^c : a, b, c \in \mathbb{Z} \right\} / \sim_{\text{octave}} \cong \mathbb{Z}^3 / \mathbb{Z}$$

其中第三个生成元 $\frac{5}{4}$ 对应纯律大三度。从群论视角看，扎利诺的贡献是把音程群从 $\mathbb{Z}^2$ 扩展至 $\mathbb{Z}^3$，从而把"为什么大三和弦悦耳"从声学事实转化为代数事实：纯律大三和弦 $(1, \frac{5}{4}, \frac{3}{2})$ 的三个音程比 $(5:4, 6:5, 3:2)$ 均既约、互素，且满足某些对称性（如 $\frac{5}{4} \cdot \frac{6}{5} = \frac{3}{2}$，即"大三度 + 小三度 = 纯五度"）。

拉莫（Jean-Philippe Rameau，1683–1764）在 *Traité de l'harmonie réduite à ses principes naturels*（1722）中把扎利诺的代数结构进一步转化为功能性音程论（functional interval theory）。拉莫的核心命题是：和弦不是任意音程的叠加，而是由一个"基础低音"（basse fondamentale）通过泛音列（série harmonique）展开而来。具体地，泛音列的第 1、3、5、7、9 分音构成原位大三和弦及其延伸，第 1、3、5 分音构成完整三和弦。

Rameau's basse fondamentale transforms the algebraic structure of Zarlino into a *generative* structure. The natural harmonic series — given by frequencies $f_n = n f_1$ for $n = 1, 2, 3, \ldots$ — produces intervals whose ratios are *necessarily* of the form $\frac{n}{m}$ with $n, m \in \mathbb{Z}^+$. The triad corresponds to the subset $\{n=1, 3, 5\}$, yielding ratios $\frac{3}{1} = 3$ (octave + fifth), $\frac{5}{3}$ (just major third, equal to $\frac{5}{4}$ within an octave), $\frac{5}{1}$ (double octave + major third). Crucially, Rameau argued that the ear *expects* these intervals because of physiological resonance: the cochlea is itself a stringed instrument whose sympathetic vibrations respond to harmonic partials.

扎利诺与拉莫的关键差异在于本体论：前者把音程视为被发现的代数对象，后者把音程视为由物理过程生成的声学对象。这种差异为十九世纪的实验转向埋下了伏笔——赫尔姆霍茨的实验心理学正是沿着拉莫的"物理生成"路径反推回去，发现"基底低音"并非乐音协和性的充分条件。

1.5 赫尔姆霍茨与物理-心理学的转折 / Helmholtz and the Psycho-Physical Turn

赫尔姆霍茨（Hermann von Helmholtz，1821–1894）的《论音的感觉》（*Die Lehre von den Tonempfindungen*，1863）标志着音乐理论从