引言：音乐与数学的千年对话 | Introduction: A Millennium Dialogue Between Music and Mathematics

第 1 章 引言：音乐与数学的千年对话

Introduction: A Millennium Dialogue Between Music and Mathematics

一个看似简单的问题，却困扰了人类两千多年：为什么数学与音乐如此紧密地交织在一起？为什么毕达哥拉斯（Pythagoras）要在铁匠铺外驻足聆听锤击声？为什么莱布尼茨（Gottfried Wilhelm Leibniz）会说"音乐是心灵的算术"（*Musica est exercitium arithmeticae occultum nescientis se numerare animi*）？为什么一个 3:2 的频率比会让几乎所有文化背景的听众感到"和谐"，而 15:16 这样的"接近但不等"的比值却让人产生不安的"拍频"与"摩擦感"？

这些问题的答案并非单一。本书的核心论点是：音乐与数学的连接，至少沿着三条独立但相互交织的路径展开——物理声学（waves and frequencies）、心理感知（psychological consonance）、符号逻辑（symbolic algebra）。理解这三条路径，是我们后续讨论和声、节奏、调式乃至算法作曲的认知地基。

本章将完成四项任务：回顾音乐与数学关系的历史脉络；阐明三种核心联系路径的本质差异；引导你完成第一个 Python 音频实验，亲手验证频率比与协和感的关系；为全书 15 章绘制一张阅读地图，并提供中英双语术语对照。

---

1.1 数学-音乐关系的历史脉络：从毕达哥拉斯到现代算法作曲

1.1.1 毕达哥拉斯的发现：比例即和谐

公元前 6 世纪的毕达哥拉斯学派（Pythagorean school）通常被认为是第一个将音乐系统数学化的学派。虽然"毕达哥拉斯在铁匠铺发现音程比例"的故事很可能是后世传说（据学者 Carl Huffman 考证，这一情节最早出现在公元 2 世纪的尼科马库斯著作中），但其背后的发现是真实的：他们通过单弦琴（monochord）实验发现，当弦长比（string length ratio）取某些简单整数比时，会产生令人愉悦的音程。

具体而言：

• 弦长比为 **1:2** 时，产生八度（octave），音高听起来"相同但更高"；
• 弦长比为 **2:3** 时，产生纯五度（perfect fifth），是最具"空灵感"的协和音程；
• 弦长比为 **3:4** 时，产生纯四度（perfect fourth）。

注意：弦长比是频率比的倒数。短弦振动更快，频率更高。所以弦长 1:2 对应频率 2:1。这三个比例 $(2:1, 3:2, 4:3)$ 成为后世所有调律理论（tuning theory）的基石。

毕达哥拉斯学派进一步将这一发现上升为哲学信条："万物皆数"（*All is number*）。他们相信宇宙的秩序可以通过整数比来表达，音乐只是这种秩序的一个缩影。这种哲学在柏拉图（Plato）的《蒂迈欧篇》（*Timaeus*）中得到继承，柏拉图将宇宙灵魂（World Soul）也按类似的数学比例构造。

1.1.2 中世纪的"音乐的四艺"

到了中世纪，自由七艺（*septem artes liberales*）成为欧洲高等教育的核心课程。其中"四艺"（quadrivium）包括：算术（arithmetic）、几何（geometry）、音乐（music）、天文（astronomy）。这四门学科被视为通往更高真理的阶梯，而音乐被明确归类为数学学科。

中世纪理论家如 博埃蒂乌斯（Boethius, 480-524） 在其《音乐基础》（*De Institutione Musica*）中，将音乐分为三类：

1. 宇宙音乐（*musica mundana*）：天体运行产生的"听不见的和谐"； 2. 人文音乐（*musica humana*）：身体与灵魂之间的和谐； 3. 器乐音乐（*musica instrumentalis*）：实际演奏出的声音。

博埃蒂乌斯明确指出，前两类音乐是数学的延伸，只有第三类才涉及实际的声学物理。这种分类反映了中世纪思想的一个核心特征：音乐首先是 数的学问，其次才是声音的艺术。

1.1.3 文艺复兴与巴洛克：从纯律到十二平均律

文艺复兴时期，音乐理论开始走向系统化。扎利诺（Gioseffo Zarlino, 1517-1590）在其《和声规范》（*Le istitutioni harmoniche*, 1558）中，基于毕达哥拉斯比例定义了"大六度"（major third）为 4:5，这是对传统毕达哥拉斯音阶的扩展——后者的大六度是 81:64，听起来并不完全协和。

17-18 世纪的巴洛克音乐迎来了器乐音乐的黄金时代。约翰·塞巴斯蒂安·巴赫（Johann Sebastian Bach, 1685-1750）的《平均律键盘曲集》（*Das Wohltemperierte Klavier*, 1722/1742）成为调律史上的里程碑。它证明了"十二平均律"（12-tone equal temperament）——一种让所有半音频率比都等于 $2^{1/12} \approx 1.05946$ 的调律方案——足以创作出富有表现力的音乐。

然而，巴赫本人使用的是"好律"（well temperament），并非现代意义上的等律。这一区别是理解调律史的关键：

• **纯律**（just intonation）：所有音程使用最简单的整数比，听起来最协和，但无法自由转调；
• **平均律**（equal temperament）：牺牲一点协和度，换取所有调的自由演奏能力；
• **好律**（well temperament）：折中方案，不同调有不同"性格"。

1.1.4 莱布尼茨与欧拉：形式化的音乐数学

戈特弗里德·威廉·莱布尼茨（Gottfried Wilhelm Leibniz, 1646-1716）是微积分的发明者之一，也是二进制（binary system）的推广者。他对音乐与数学关系的论述极为精辟：

> "音乐是心灵的隐藏算术——它不知道自己正在计数。" > *Musica est exercitium arithmeticae occultum nescientis se numerare animi.*

莱布尼茨的深层洞见是：听者无需进行显式的数学计算，却能在感官层面"感知"到数学关系。这预示了后来所谓的"心理声学"（psychoacoustics）研究方向。

莱昂哈德·欧拉（Leonhard Euler, 1707-1783）在他的《论音乐中令人愉悦的字母》（*De numeris amicabilibus* 及后续论文）中，给出了一个著名的协和度公式——后人称之为 欧拉协和度公式：

$$ C(n, m) = \frac{1}{mn} \sum_{k=1}^{\min(n,m)} \frac{1}{\gcd(n+k, m+k) - 1} $$

这个公式虽然后来被实验证明并不完美（例如它无法解释为何 5:4 比 5:6 更协和），但它是第一次尝试将"协和感"形式化为数学函数。欧拉还引入了一个视觉化工具——Tonnetz（音程网络），将音高按音程关系排列成二维网格，这成为后世音乐理论分析的基石工具。

1.1.5 19-20 世纪：从傅里叶分析到算法作曲

19 世纪，让-巴蒂斯特·约瑟夫·傅里叶（Jean-Baptiste Joseph Fourier, 1768-1830）证明了一个看似平凡却深刻的定理：任何周期函数都可以分解为一系列正弦波的叠加。这一傅里叶级数（Fourier series）成为现代声学的数学基础。

傅里叶分析告诉我们：每一个乐器音色本质上都是基频（fundamental frequency）及其谐波（harmonics）的叠加。例如，小提琴的 A4（440 Hz）音，包含了 440 Hz、880 Hz、1320 Hz、1760 Hz 等多个频率成分。两个音的协和程度，本质上取决于它们的谐波之间是否存在"对齐"。

20 世纪中叶，数学与音乐的交叉进入了算法时代。两位先驱：

• **莱杰伦·希勒**（Lejaren Hiller, 1924-1994）于 1957 年与 Leonard Isaacson 合作，使用一台 ILLIAC I 计算机创作了《依利亚克组曲》（*Illiac Suite*），这是历史上第一部由计算机生成的音乐作品。
• **伊阿尼斯·泽纳基斯**（Iannis Xenakis, 1922-2001）将概率论（probability theory）和随机过程（stochastic processes）引入作曲，他的《ST/10》使用马尔可夫链（Markov chains）控制音高分布。

1980 年代之后，人工智能与机器学习开始进入音乐创作。David Cope 的 EMI（Experiments in Musical Intelligence）系统通过模式识别（pattern recognition）模仿巴赫、莫扎特等大师的风格。2016 年以来，深度学习模型（如 OpenAI 的 MuseNet、Google 的 MusicLM）使得端到端的音乐生成成为可能。

1.1.6 历史的三个教训

回顾两千多年的历史，我们可以提炼出三个关键教训：

1. 数学不是音乐的"解释"，而是音乐的"骨架"：音程、和声、节奏都有数学结构，但音乐的情感表达并不等价于数学； 2. 不同文化有不同的数学化路径：印度尼西亚的 gamelan 使用非十二平均律的调律系统；阿拉伯 maqam 使用四分之一音（quarter tones）；中国传统音乐的五声音阶（pentatonic scale）强调 3:2 纯五度关系。这说明"数学"本身也是文化建构； 3. 数学工具随时代演化：从整数比到分数、从分数到无理数、从函数到算子、从算子到算法，每一次数学工具的升级都带来了新的音乐可能性。

---

1.2 三种核心联系路径：物理、感知与符号

理解音乐与数学的关系，必须区分 三种不同的"连接"。它们经常被混淆，但本质上是三种独立的路径。

1.2.1 路径一：物理声学（Physical Acoustics）

这是最直接、最"硬"的一条路径：声音是空气中的压力波。一根琴弦振动时，会在周围空气中产生纵向压力波，其数学描述是一个偏微分方程——波动方程（wave equation）：

$$ \frac{\partial^2 p}{\partial t^2} = c^2 \nabla^2 p $$

其中 $p$ 是压力扰动，$c$ 是声速（约 343 m/s），$\nabla^2$ 是拉普拉斯算子（Laplacian operator）。

对于一维的理想弦（理想化模型，忽略刚性），波动方程的解是一系列简谐振动（simple harmonic motion）的叠加。每个振动模式（mode）有特定的频率：

$$ f_n = \frac{n}{2L}\sqrt{\frac{T}{\mu}} $$

其中 $L$ 是弦长，$T$ 是张力，$\mu$ 是线密度，$n$ 是模数（mode number）。当 $n=1$ 时，得到基频（fundamental frequency）；当 $n>1$ 时，得到谐波（harmonics）。注意：所有谐波的频率都是基频的整数倍——$f_n = n f_1$。

这个事实是协和感的物理基础。两个音（比如频率 $f_a$ 和 $f_b$）的协和程度，部分取决于它们的谐波之间是否存在"对齐"（alignment）。例如：

• **八度**（octave）：$f_b = 2 f_a$，所以 $f_b$ 的所有谐波都恰好是 $f_a$ 谐波的子集；
• **纯五度**（perfect fifth）：$f_b = 3/2 f_a$，所以 $f_a$ 的偶数谐波与 $f_b$ 的奇数谐波重合。

我们将在第 2 章深入讨论波动方程，在第 4 章讨论谐波对齐与协和感的关系。

1.2.2 路径二：心理感知（Psychological Perception）

物理路径只是故事的一半。人类听觉系统（human auditory system）并不是一个"完美频谱分析仪"。它有自己的非线性和局限性，这导致一些"反直觉"的现象。

关键概念 1：临界频带（critical band）

人耳对频率的分辨不是连续的，而是按"临界频带"分组的。临界频带的宽度随着频率增加而增加。在低频（约 500 Hz 以下），临界频带约 100 Hz；在高频（约 4000 Hz 以上），临界频带可达数百赫兹。

两个频率如果在 同一个临界频带内，人耳会觉得它们"融合"为一个单一音；如果跨越临界频带，则会产生"拍频"（beats）或"粗糙感"（roughness）。这就是为什么 3:2 听起来协和（基频相距 165 Hz，对于 440 Hz 基频而言，已经超出低频临界频带宽度），而某些"接近但不等"的比值（如 15:16）听起来不舒服。

关键概念 2：共振峰（formant）与音色

即使是同一基频，不同乐器听起来也不同。这是因为它们的谐波幅度分布不同，而人耳对某些频段特别敏感——这些频段称为共振峰（formant）。共振峰是区分元音、识别乐器的关键。我们将在第 3 章讨论音色的物理与心理基础。

关键概念 3：八度等效性（octave equivalence）

跨文化的实验表明，几乎所有音乐文化都将"频率翻倍"视为"相同的音，只是更高"。这并非物理必然，而是一种心理建构。在第 5 章，我们将从神经科学（neuroscience）角度讨论这一现象。

1.2.3 路径三：符号代数（Symbolic Algebra）

前两条路径关注"声音本身"。第三条路径则完全抽象化：音乐可以视为一个代数结构。

音程作为分数：12 个音名（C, C#, D, ..., B）可以视为 $\mathbb{Z}_{12}$ 上的元素。音程（interval）则是 $\mathbb{Z}_{12}$ 上的减法。例如，C 到 G 是 7 个半音，所以 G - C = 7（在 $\mathbb{Z}_{12}$ 算术下）。

音阶作为子群（subgroup）：12 平均律的音阶可以被视为 $\mathbb{Z}_{12}$ 的子群（subgroup）。大调音阶 {0, 2, 4, 5, 7, 9, 11} 是 $\mathbb{Z}_{12}$ 的一个特定子集，对应 $\{C, D, E, F, G, A, B\}$。有趣的是，这 7 个音之间的"音程步长"是 $\{2, 2, 1, 2, 2, 2, 1\}$——这是一个经典模式。

和弦作为向量：三和弦（triad）可以视为三维向量，例如大调三和弦是 $[0, 4, 7]$，小三和弦是 $[0, 3, 7]$。这些向量在 $\mathbb{Z}_{12}$ 上形成特定的代数结构。

变换群（transformation group）：转调（transposition）是 $\mathbb{Z}_{12}$ 上的平移变换 $T_n(x) = x + n$；倒影（inversion）是反射变换 $I(x) = -x$。音乐理论中的"动机变形"本质上就是群论（group theory）操作。

我们将在第 5 章详细讨论 $\mathbb{Z}_{12}$ 和弦理论，在第 8 章讨论节奏作为群论结构，在第 11 章讨论调式作为代数对象。

1.2.4 三条路径的对比

| 维度 | 物理声学 | 心理感知 | 符号代数 | |------|---------|---------|---------| | 数学对象 | 偏微分方程、傅里叶变换 | 临界频带、神经响应曲线 | 群、环、向量空间 | | 核心问题 | 声音如何传播？ | 人耳如何处理声音？ | 音程、和弦有何结构？ | | 19 世纪关键人物 | Helmholtz, Rayleigh | Seashore, Plomp | Euler, Riemann | | 现代代表 | 信号处理、谱分析 | 心理声学、神经科学 | 音级集合理论、范畴论 | | 与音乐实践的关系 | 录音工程、合成器设计 | 调律、协和感优化 | 作曲技法、和声分析 |

核心洞见：这三条路径 不是替代关系，而是 互补关系。一个完整的音乐分析需要三条路径协同。例如：

• "为什么这个和弦听起来紧张？"——心理感知路径；
• "这个和弦的频谱是什么样的？"——物理声学路径；
• "这个和弦在功能和声中的角色是什么？"——符号代数路径。

本书的后续章节将按需调用这三条路径，不会人为地偏向其中任何一条。

---

1.3 技术验证：用 Python 实现第一个频率比实验

理论是灰色的，而生命之树常青。本节中，我们将亲手编写一段 Python 代码，生成纯音（pure tone）并观察 2:1、3:2 等频率比的物理表现。

1.3.1 实验目标

通过代码生成两个纯音（A4 = 440 Hz 和 E5 = 660 Hz，正好是 3:2 频率比），并将它们的波形叠加后可视化。我们将观察到：

1. 两个纯音的叠加波形呈现"拍频"模式——但因为是协和音程，拍频速度对应于它们"差频"（difference frequency）； 2. 单个纯音的波形是正弦波（sine wave），频谱（spectrum）是单一峰值； 3. 叠加后的频谱有两个明显的峰值，且它们的高度比为 1:1（等幅度叠加）。

1.3.2 环境准备

本实验需要 Python 3.8+ 和以下库：

• **numpy**：数值计算；
• **scipy**：信号处理；
• **matplotlib**：可视化；
• **sounddevice**（可选）：实时播放。

```bash pip install numpy scipy matplotlib sounddevice ```

1.3.3 完整实验代码

下面的代码完整可运行。我们将分五步进行：

```python """ 第 1 章实验 1.1：频率比与协和感的物理基础 目标：生成 440 Hz 与 660 Hz 纯音（3:2 频率比，即纯五度）， 并观察其波形与频谱。 """

import numpy as np from scipy.fft import fft, fftfreq import matplotlib.pyplot as plt

---- 步骤 1：参数设置 ----

samp