泛音列与音高关系的数学基础

第1章：泛音列与音高关系的数学基础

声音作为一种物理现象，其本质是空气分子的振动在介质中的传播。当一根琴弦被拨动或一根管柱中的空气被激励时，振动以波动的形式向四周扩散，最终抵达人耳的听觉系统。这一看似简单的物理过程，却蕴含着极其丰富的数学结构。理解这些数学结构，不仅能够帮助我们认识声音的物理本质，更能揭示音乐实践中许多看似经验性的规则背后的深层原理。本章将系统建立本书的理论起点，从声学物理学的基本原理出发，逐步深入到泛音列的数学描述，揭示泛音列在正整数集合上的稠密性特征，以及其与连分数展开的深刻联系。在此基础上，我们还将讨论泛音列在音乐感知中的心理物理学基础，特别是临界频带这一关键概念。最终，本章将展现泛音列的数学结构与和声美学之间的对应关系，为后续各章的讨论奠定坚实的理论与数学基础。

声波的基本物理参数

在深入讨论泛音列之前，有必要首先梳理声波的几个基本物理参数。这些参数不仅描述了声波的物理属性，更与人类听觉的感知直接相关。

频率与周期

声波在空气中传播时，任意一点的气压会随时间发生周期性的变化。这种周期性变化可以用正弦函数或余弦函数来精确描述。设声压随时间变化的函数为 $p(t)$，则当声波为简谐振动时，有：

$$p(t) = A \sin(2\pi f t + \phi)$$

其中 $A$ 表示声压变化的振幅（amplitude），$f$ 表示频率（frequency），$\phi$ 表示初相位（initial phase）。频率 $f$ 的物理意义是单位时间内完成的全振动次数，其国际单位为赫兹（Hz），定义为每秒发生的周期数。频率的倒数称为周期（period），记作 $T$，即一次完整振动所需的时间：

$$T = \frac{1}{f}$$

例如，标准音 A4（钢琴上的小字一组A）的频率为 440 Hz，这意味着该声音每秒完成 440 次完整的振动周期，其周期 $T = 1/440 \approx 2.27$ 毫秒。

从音乐实践的角度来看，频率直接决定了音高（pitch）的感知。高频率对应高音，低频率对应低音。然而，这种对应关系并非线性的——人类对音高的感知近似服从对数规律，即当我们感知到两个音的音高差相同时，它们的频率比大致相等。这一规律可以用梅尔标度（Mel scale）来量化描述：

$$\text{Mel}(f) = 2595 \log_{10}\left(1 + \frac{f}{700}\right)$$

这一公式表明，频率从 100 Hz 到 200 Hz 的变化（频率比为 2:1）在感知上产生的音高变化，与频率从 1000 Hz 到 2000 Hz 的变化（同样是 2:1 的频率比）在感知上产生的音高变化大致相当。

振幅与响度

振幅（amplitude）是声压变化的最大偏移量，它直接决定了声音的强度或响度（loudness）。在物理上，声强（sound intensity）与声压振幅的平方成正比：

$$I \propto A^2$$

然而，人类对响度的感知同样不是线性的——它近似服从对数规律，用分贝（decibel, dB）来度量。声压级（sound pressure level, SPL）的计算公式为：

$$\text{SPL} = 20 \log_{10}\left(\frac{A}{A_0}\right) \text{ dB}$$

其中 $A_0 = 20 \, \mu\text{Pa}$ 是人耳能感知的最小声压（参考值）。在这一标度下，人耳能感知的声压级范围大约从 0 dB（听觉阈值）到 120 dB（疼痛阈值）。

基频与谐波

当一根琴弦或一根空气柱被激发时，产生的并非理想的单一频率正弦波，而是一个复杂的复合波。这个复合波可以分解为一系列不同频率、不同振幅的正弦波的叠加。这一分解在数学上基于傅里叶定理（Fourier's theorem）：任何周期函数都可以唯一地表示为一组正弦和余弦函数的无限线性组合。

在乐器发出的声音中，有一个特定的频率成分起着决定性作用——这就是基频（fundamental frequency），记作 $f_1$。基频是振动系统中最低的自然频率，它直接决定了我们感知到的音高。其余的频率成分则按照与基频的整数比关系排列：

$$f_n = n \cdot f_1 \quad (n = 1, 2, 3, \ldots)$$

其中 $f_n$ 表示第 $n$ 个谐波分量（harmonic component），$n$ 称为谐波序号（harmonic number）。这些谐波分量统称为泛音（overtones），它们与基频一起构成了泛音列（harmonic series）或谐波系列（harmonic series）。

泛音列的数学结构

泛音列的数学结构是本书最为核心的概念之一。从形式上看，泛音列是一列按照正整数序列排列的频率：

$$\mathcal{H} = \{f_1, f_2, f_3, \ldots\} = \{n \cdot f_1 : n \in \mathbb{N}^+\}$$

其中 $\mathbb{N}^+ = \{1, 2, 3, \ldots\}$ 表示正整数集合。这种简单的数学结构蕴含着丰富的性质，我们将逐一探讨。

频率比表达

泛音列中任意两个谐波分量之间的频率关系可以用简明的整数比来表示。基频 $f_1$ 与第 $n$ 个谐波 $f_n$ 之间的频率比为：

$$\frac{f_n}{f_1} = n : 1$$

这意味着第 $n$ 个谐波的频率恰好是基频的 $n$ 倍，或者说，它比基频高 $n-1$ 个八度（关于八度的精确定义将在后文给出）。相邻两个谐波之间的频率比为：

$$\frac{f_{n+1}}{f_n} = \frac{n+1}{n} : 1$$

当 $n$ 较大时，这个比值接近 1，相邻谐波之间的频率差距越来越小。以基频 100 Hz 为例，前十个谐波的频率分别为：

| 谐波序号 $n$ | 频率 $f_n$ (Hz) | 与基频的频率比 | 相邻频率比 | |:---:|:---:|:---:|:---:| | 1 | 100.0 | 1:1 | — | | 2 | 200.0 | 2:1 | 2:1 | | 3 | 300.0 | 3:1 | 3:2 | | 4 | 400.0 | 4:1 | 4:3 | | 5 | 500.0 | 5:1 | 5:4 | | 6 | 600.0 | 6:1 | 6:5 | | 7 | 700.0 | 7:1 | 7:6 | | 8 | 800.0 | 8:1 | 8:7 | | 9 | 900.0 | 9:1 | 9:8 | | 10 | 1000.0 | 10:1 | 10:9 |

从上表可以看出，第 2 谐波比基频高一个八度（2:1），第 3 谐波比第 2 谐波高一个纯五度（3:2），第 4 谐波比第 3 谐波高一个纯四度（4:3），依此类推。这些简单的整数比——1:1、2:1、3:2、4:3、5:4、6:5、7:6、8:7、9:8、10:9——正是古希腊毕达哥拉斯学派以及后来无数音乐理论家苦苦追寻的“宇宙和谐”的数学表达。

八度与对数刻度

在讨论泛音列的更深入性质之前，我们需要建立音乐中最重要的音程——八度（octave）——的精确数学定义。两个音的频率比为 2:1 时，它们在人耳感知上具有“相同名称”的性质：C 音高八度后仍是 C，G 音高八度后仍是 G。这种感知特性在物理学上的解释与泛音列的结构密切相关。

设基频为 $f_1$，八度音的频率为 $f_{\text{octave}} = 2f_1$。连续升高 $k$ 个八度后的频率为：

$$f_{\text{octave}}(k) = 2^k \cdot f_1$$

反过来，连续降低 $k$ 个八度后的频率为：

$$f_{\text{octave}}(-k) = 2^{-k} \cdot f_1$$

这表明八度的叠加对应于频率的乘法运算。由于人类对音高的感知近似服从对数规律，音乐理论中通常使用对数刻度来量化音程。音程的度量单位是音分（cent），定义为：

$$\text{cent}(f_1, f_2) = 1200 \log_2\left(\frac{f_2}{f_1}\right)$$

这一公式的推导基于以下逻辑：八度（2:1）的频率比对应 1200 音分，因此一个音分对应的频率比为 $2^{1/1200}$。任意两个频率 $f_1$ 和 $f_2$ 之间的音分数可以通过对数运算求得。

使用音分作为度量，基频与第 $n$ 个谐波之间的音程为：

$$\text{cent}(f_1, f_n) = 1200 \log_2(n) = \frac{1200 \ln n}{\ln 2} \approx 1731.234 \ln n$$

例如，第 2 谐波与基频相差 1200 音分（一个八度），第 3 谐波与基频相差约 1902 音分，第 5 谐波与基频相差约 2786 音分，第 7 谐波与基频相差约 3368 音分。

泛音列的稠密性

泛音列的一个极其重要的数学性质是其在频率对数轴上的稠密性（density）。所谓稠密性，指的是对于任意两个不同的谐波，无论它们之间有多么接近，总存在第三个谐波落在它们之间。这一定性描述可以用更精确的数学语言来表述。

考虑频率对数 $\log_2 f$ 作为实数轴上的坐标。在这个坐标系中，基频对应的坐标为 $\log_2 f_1$，第 $n$ 个谐波对应的坐标为：

$$\log_2 f_n = \log_2 (n \cdot f_1) = \log_2 f_1 + \log_2 n$$

由于 $\log_2 n$ 的取值集合 $\{\log_2 n : n \in \mathbb{N}^+\}$ 在实数轴上是稠密的（这一结论的证明将在后文给出），因此泛音列在对数坐标轴上的分布也是稠密的。

从音乐实践的角度来看，泛音列的稠密性意味着：在任意给定的频率区间内，只要这个区间足够宽，总能找到足够多的谐波分量。以基频 100 Hz 为例，频率在 1000 Hz 到 2000 Hz 之间的谐波分量包括第 10、11、12、13、14、15、16、17、18、19 号谐波，共 10 个；而频率在 2000 Hz 到 3000 Hz 之间的谐波分量包括第 20 到 29 号谐波，共 10 个。可以看出，随着频率的升高，固定频率宽度内包含的谐波数量保持不变——这是因为泛音列的频率间隔随频率线性增加，而固定宽度与频率的比值保持恒定。

然而，如果我们在对数刻度上观察泛音列，会发现一个截然不同的图景：在低频区域，谐波之间的对数距离较大；随着频率的升高，谐波之间的对数距离逐渐减小并趋于零。以基频 100 Hz 为例，第 2 到第 3 谐波之间的对数距离为 $\log_2(3/2) \approx 0.585$，而第 100 到第 101 谐波之间的对数距离仅为 $\log_2(101/100) \approx 0.014$。这意味着在高谐波区域，谐波在对数刻度上几乎是等间距分布的。

稠密性的严格证明

为了严格证明泛音列在正整数集合上的稠密性，我们需要引入一些数论中的经典结果。首先，考虑集合：

$$\mathcal{L} = \{\log_2 n : n \in \mathbb{N}^+\} \subset \mathbb{R}$$

我们要证明 $\mathcal{L}$ 在 $\mathbb{R}$ 中是稠密的，即对于任意两个实数 $\alpha < \beta$，都存在正整数 $n$ 使得 $\log_2 n \in (\alpha, \beta)$，等价于 $2^\alpha < n < 2^\beta$。

这一定理的证明依赖于正整数集合的埃贝尔-斯蒂尔切斯不等式（Erdős–Gál theorem）以及更直接的抽屉原理（pigeonhole principle）。考虑将区间 $(2^\alpha, 2^\beta)$ 划分成 $N$ 个等长子区间，其中 $N$ 为大于 $2^\beta - 2^\alpha$ 的任意整数。根据抽屉原理，在前 $N+1$ 个正整数 $1, 2, \ldots, N+1$ 中，必有两个数落在同一个子区间内。设这两个数为 $m < n$，则 $0 < n - m < N+1$，并且：

$$\left| \log_2 n - \log_2 m \right| = \log_2\left(\frac{n}{m}\right) < \log_2\left(1 + \frac{1}{N}\right) \approx \frac{1}{N\ln 2}$$

这表明正整数对数的差值可以任意小。更精确地，由贝亚诺-阿廷引理（Béeout's identity）可以推出：对于任意正整数 $a$ 和 $b$，存在正整数 $x, y$ 使得 $|ax - by| < b$。取 $a = \lfloor 2^\beta \rfloor - \lfloor 2^\alpha \rfloor$，$b = \lceil 2^\alpha \rceil$，我们可以找到一个正整数 $n$ 满足 $2^\alpha < n < 2^\beta$。

由此可以得出结论：泛音列在对数频率轴上是稠密的。

泛音列与连分数展开

泛音列与连分数（continued fraction）之间存在深刻而优美的联系。连分数是一种特殊的数学表达形式，它将一个实数表示为一串整数的有理分式嵌套结构。泛音列的许多算术性质可以通过连分数展开来揭示，这不仅具有纯数学上的美感，更对理解音律系统（如纯律和五度相生律）的数学结构具有重要意义。

简单连分数的基本概念

简单连分数（simple continued fraction）是形如：

$$a_0 + \cfrac{1}{a_1 + \cfrac{1}{a_2 + \cfrac{1}{a_3 + \cdots}}}$$

的表达式，其中 $a_0$ 为整数，$a_1, a_2, a_3, \ldots$ 为正整数。简记为：

$$[a_0; a_1, a_2, a_3, \ldots]$$

任何正有理数都可以唯一地表示为有限简单连分数，而任何正无理数都可以唯一地表示为无限简单连分数。连分数的部分和（convergents）是一系列有理数，它们以最佳方式逼近原实数。

设 $\alpha$ 为正实数，其简单连分数展开为 $[a_0; a_1, a_2, a_3, \ldots]$。第 $k$ 个部分和（convergent）为：

$$\frac{p_k}{q_k} = [a_0; a_1, a_2, \ldots, a_k]$$

其中 $p_k$ 和 $q_k$ 为互素的正整数。可以证明，$p_k/q_k$ 是所有分母不超过 $q_k$ 的有理数中最为接近 $\alpha$ 的。

频率比与连分数

现在考虑两个谐波 $f_m$ 和 $f_n$（不妨设 $m < n$）之间的频率比 $n/m$。这个有理数可以唯一地表示为有限简单连分数：

$$\frac{n}{m} = [a_0; a_1, a_2, \ldots, a_k]$$

其中 $a_k \geq 2$（唯一性要求）。

从音乐实践的角度看，频率比 $n/m$ 对应于一个音程。当 $n/m$ 的连分数展开具有较小的项时，说明这个音程可以用“简单”的整数比很好地逼近。例如，纯五度的频率比为 3:2，其连分数展开为 $[1; 2]$，这是一个非常简单的结构；纯律大三度的频率比为 5:4，其连分数展开为 $[1; 4]$，同样简洁明了。

相比之下，如果一个音程的频率比对应的连分数展开具有较大的项，则说明该音程无法用较小的整数比很好地逼近。以普通音差（syntonic comma）为例，其频率比为 81:80，连分数展开为 $[1; 40]$——这是一个巨大的项，表明 81:80 是一个“难以解释”的比例，或者说，它是两个简单的音律系统（五度相生律和纯律）之间细微差异的量化表达。

泛音列中频率比的逼近

连分数理论的一个核心应用是研究如何用较小的整数比来逼近任意给定的频率比。这在音乐理论中对应于寻找“最佳音程”的问题——即在给定的复杂度限制下，如何最好地近似某个理想的音程。

设我们希望在分母不超过某个上界 $N$ 的有理数中找到最佳逼近。这正是连分数部分和的性质：以 $q_k$ 为分母的部分和 $p_k/q_k$ 是所有分母不超过 $q_k$ 的有理数中最佳逼近原实数的。

例如，考虑频率比 $\sqrt{2}:1$（对应一个增四度或减五度）。$\sqrt{2}$ 的连分数展开为：

$$\sqrt{2} = [1; 2, 2, 2, 2, \ldots]$$

其部分和依次为：

| 阶数 $k$ | 部分和 $p_k/q_k$ | 数值 | 误差 | |:---:|:---:|:---:|:---:| | 1 | 1/1 | 1.000 | 0.414 | | 2 | 3/2 | 1.500 | 0.086 | | 3 | 7/5 | 1.400 | 0.014 | | 4 | 17/12 | 1.417 | 0.003 | | 5 | 41/29 | 1.414 | 0.0005 |

从上表可以看出，第 3 个部分和 7/5 对应的音程约为 7:5 = 1.4，是接近 $\sqrt{2}$ 的简单整数比；第 4 个部分和 17/12 对应的音程在实践中被广泛使用（尤其是早期键盘乐器调律中的四分音comma-system），它给出了 $\sqrt{2}$ 的一个非常精确的逼近。

泛音列与五度圈

五度圈（circle of fifths）是音乐理论中一个重要的概念，它将所有调性按照纯五度（3:2）关系串联成一个循环结构。从数学上看，五度圈对应于在泛音列中不断取第 3 谐波的操作。

考虑以基频 $f$ 为起点，每次升高纯五度（频率乘以 3/2）。经过 $n$ 步后，频率变为：

$$f_n = f \cdot \left(\frac{3}{2}\right)^n$$

当 $n$ 足够大时，$f_n$ 可能超过基频的若干倍。我们可以将 $f_n$ 标准化到基频所在八度内：

$$f_n = f \cdot 2^k \cdot \left(\frac{3}{2}\right)^n = f \cdot 2^{k-n} \cdot 3^n$$

其中 $k$ 是使得 $2^{k-n} \cdot 3^n$ 落在 $[1, 2)$ 区间内的整数。这一操作对应于在连分数框架下研究 3/2 的幂次。

五度圈的一个重要性质是：经过 12 次纯五度后，我们得到频率 $f \cdot (3/2)^{12} = f \cdot 531441/4096 \approx f \cdot 129