绪论：音乐数学的范畴、历史与方法论
音乐，这一被认为最直接诉诸人类情感的艺术形式，其深层结构中是否隐藏着可被理性剖析的数学秩序？自毕达哥拉斯学派在弦长比例中发现音程和谐的秘密以来，这一问题便持续驱动着跨学科的探索。音乐数理研究，正是试图在音乐创作、理论与听觉感知的复杂现象中，识别、形式化并验证其内在的数学结构与规律的一门交叉学科。它并非旨在用冰冷的公式取代音乐的诗意与表现力，而是为理解音乐“如何工作”提供一套精确的概念工具与分析方法。本章旨在为整部著作奠定基石，首先严格界定本研究的学科边界，继而梳理从古希腊到当代频谱音乐的关键历史脉络，批判性评述数理音乐理论的主要流派，阐明本书以形式化建模为核心、强调可计算性与实证验证的跨学科方法论，并最终预览全书15章的架构与三种出版格式的协同策略。
1.1 学科边界的界定：范畴、对象与方法
音乐数理研究（Mathematical Music Theory）作为一个明确的学科领域，其边界需要清晰界定，以避免与邻近学科（如音乐学、声学、计算机音乐、音乐心理学）的混淆，同时确立自身独特的研究范式。其核心范畴可概括为：运用形式化数学语言，对音乐客体（musical objects）及其关系进行建模、分析与预测的一门科学。此界定包含三个关键维度：研究对象的特定性、方法的形式化程度、以及目标的解释与预测力。
1.1.1 研究对象：音乐客体的层次化结构
音乐数理分析的对象并非模糊的“音乐整体”，而是可被离散化、符号化或参数化的音乐客体。这些客体通常存在于一个或多个层级上，形成一个相互关联的系统：
1. 音高层：这是研究最为成熟的层面。客体包括单音（pitch class，即模12的整数集合 $\mathbb{Z}_{12}$ 中的元素）、音程（interval，$\mathbb{Z}_{12}$ 中的差值）、音阶（scale，特定音高类的有序或无序集合）、和弦（chord，音高类的多元素集合）及其转位、和声进行（harmonic progression）等。例如，一个C大三和弦可形式化为集合 $\{0, 4, 7\}$（以C为0），其根音到三音、三音到五音的音程分别为4和3个半音。
2. 节奏与节拍层：客体包括时值（duration）、节拍（beat）、拍子（meter）、节奏型（rhythmic pattern）、切分（syncopation）等。这常涉及离散时间模型（如将一个小节划分为等份的网格）或连续时间模型。例如，一个$4/4$拍小节可形式化为一个包含16个十六分音符位置的循环群 $\mathbb{Z}_{16}$，一个节奏型如“附点八分音符+十六分音符”可映射为集合 $\{0, 3, 4\}$（起始点位置）。
3. 和声与对位层：关注多个声部（voice）之间的纵向（和弦）与横向（旋律线）关系。客体包括声部进行（voice leading）、对位法则（counterpoint rules）、功能和声（functional harmony）的进行逻辑等。这里常使用图论（声部进行图）、变换理论（如音级集合的$T_n$、$I_n$变换）或约束满足问题进行建模。
4. 形式与结构层：涉及曲式（sonata form, rondo）、主题发展（motivic development）、高潮布局等宏观结构。分析常依赖于分段、重复、变奏、递归等概念，可用形式语言、语法或分形几何来描述。
5. 音色与频谱层：在当代音乐中，音色（timbre）成为核心参数。频谱音乐（spectral music）将声音视为正弦波叠加，分析客体为频谱包络、谐波结构、共振峰等。这需要连续数学（傅里叶分析）与离散模型（谐波序列）的结合。
这些客体并非孤立，而是通过映射与函数相互关联。例如，一个旋律是音高层与节奏层的笛卡尔积；一个和声功能进行可诱导出特定的音级集合变换；曲式结构可能由主题的节奏-音高动机的变形所界定。
1.1.2 方法的形式化：从描述到公理
形式化是音乐数理研究的生命线。它意味着：
- **符号化**：用离散符号（如数字、字母、集合、图节点）代表音乐元素。例如，用$\mathbb{Z}_{12}$代表所有12个音高类。
- **公理化**：明确陈述基本假设与规则。例如，在十二平均律中，八度音程定义为频率比2:1，半音频率比为$2^{1/12}$。
- **演绎推导**：从公理和定义出发，推导出可检验的定理或性质。例如，从$\mathbb{Z}_{12}$的循环群结构可推导出所有可能音程的数量（12种）及其对称性。
- **计算实现**：将理论模型转化为算法，在音乐数据（符号乐谱、MIDI、音频）上进行验证或生成。
形式化程度是区分严肃的数理音乐理论与模糊的“类比”或“启发式”的关键。例如，说“巴赫的音乐具有数学性”是模糊的；而说“《赋格的艺术》中主题的倒影、逆行、增值操作构成了$D_{12}$二面体群的作用”则是高度形式化的陈述，可被严格验证。
1.1.3 目标：解释、预测与生成
音乐数理研究的最终目标可分为三个递进层次：
1. 描述与解释：为已知的音乐现象提供简洁、一致的形式描述。例如，用音级集合理论解释斯特拉文斯基《春之祭》中“ Augurs of Spring”和弦的独特音响（集合[0,1,4,6,7,9]的“全音阶加半音”结构及其五度循环关系）。 2. 预测与发现：基于模型预测尚未被注意的音乐模式，或从数据中归纳出新理论。例如，基于马尔可夫链的旋律生成模型可预测特定风格（如古典时期）的旋律轮廓概率分布；对大量浪漫主义和弦进行进行统计分析，可发现超越功能和声的“重属”等扩展功能的量化规律。 3. 生成与创作：将理论模型作为作曲算法，生成符合特定约束的新音乐。例如，使用L-系统（Lindenmayer system）生成具有自相似性的节奏模式；使用约束满足问题求解器编写符合特定对位法则的四部合唱。
1.1.4 边界与邻近学科
明确边界有助于聚焦核心问题：
- **vs. 音乐声学（Musical Acoustics）**：声学研究声音的物理产生与传播（如弦振动、管风琴发声），是音乐数理研究的物理基础，但后者更关注对已产生声音的符号化、结构化和认知层面的数学描述，而非声波本身。
- **vs. 音乐心理学/认知科学（Music Psychology/Cognitive Science）**：这些学科研究音乐感知、记忆、情感的心理机制。音乐数理研究可为心理学提供精确的刺激变量（如音程的模12距离），而心理学实验可验证数理模型的认知相关性（如音程协和感是否与简单整数比一致）。二者是互补的，但数理研究更侧重于客体本身的结构，而非心理过程。
- **vs. 计算机音乐/音乐信息检索（Computer Music/MIR）**：计算机音乐侧重技术实现（合成、算法作曲），MIR侧重从音频/符号数据中自动提取特征。音乐数理研究为二者提供核心的理论模型与特征定义（如音级集合、节奏型模板）。本书的“可计算性”主张正是架设于此桥梁。
- **vs. 传统音乐分析（Traditional Music Analysis）**：传统分析（如申克分析、罗马数字分析）依赖专家直觉和描述性语言，虽深刻但缺乏可重复性和形式精确性。数理分析试图将其中隐含的规则显式化、公理化，并使其可被计算机执行。
边界总结：音乐数理研究以离散的、可形式化的音乐结构为核心对象，以数学建模与计算验证为基本方法，以解释结构规律、预测音乐模式、支持生成系统为目标，与上述学科深度交叉但保持方法论上的独立性。
---
1.2 历史脉络：从比例到集合，再到频谱与变换
音乐数理思想的历史，是一部人类不断深化对音乐秩序理解的历史。其主线可视为从静态比例（古希腊），到功能与结构（18-19世纪），再到抽象集合与变换（20世纪中叶），直至连续频谱与高维参数空间（20世纪末至今）的演进。每个阶段都回应了当时音乐实践的核心问题，并发展出相应的数学工具。
1.2.1 古希腊至文艺复兴：和谐的比例与调式理论
数学与音乐联姻的起点公认属于毕达哥拉斯学派（公元前6世纪）。传说中，毕达哥拉斯在铁匠铺发现不同重量锤子敲击发出的声音具有和谐关系，进而通过弦长实验发现：和谐音程对应简单的整数比。纯八度（2:1）、纯五度（3:2）、纯四度（4:3）构成了早期西方音乐理论的“和谐”基石。这一发现不仅确立了音程的物理基础，更将“简单比例=美”的哲学观念植入西方思想。毕达哥拉斯律（Pythagorean tuning）即基于此系列整数比构建。
亚里士多德的学生阿里斯塔克斯（Aristoxenus，公元前4世纪）则提出相反观点，认为音程的和谐应由听觉感知决定，而非弦长比例，开启了经验主义与理性主义在音乐理论中的长期张力。
中世纪与文艺复兴时期，数学主要服务于调式理论与节奏理论。圭多·达莱佐（Guido d'Arezzo，约991-1050）的六声音阶（hexachord）体系《圣母颂》为音高分类提供了系统框架，虽非严格数学，但其符号系统（ut-re-mi-fa-sol-la）是早期形式化尝试。弗朗切斯科·兰迪诺（Francesco Landini，约1325-1397）等对节奏模式的分类（如“兰迪诺节奏”）可视为对节拍结构的初步离散化描述。此时期，波伊提乌（Boethius，约480-524）的《音乐的体制》将音乐理论（musica disciplina）分为“宇宙音乐”（music of the spheres，数学比例）、“人类音乐”（body-soul harmony）和“器乐音乐”（instrumental music），奠定了音乐数学的形而上学基础，但具体分析工具仍匮乏。
1.2.2 巴洛克至古典主义：和声的功能与数字低音
17-18世纪，和声（harmony）取代对位（counterpoint）成为音乐组织的核心，催生了功能和声理论（Functional Harmony）的萌芽。让-菲利普·拉莫（Jean-Philippe Rameau，1683-1764）是划时代人物。在其《和声学》（1722）中，他提出“低音为和声之基础”，并试图用数学（根音与泛音列的关系）解释和弦的构成与进行。他提出的“主-属-下属”三功能模型，虽非严格数学，但具有结构主义雏形：音乐被看作由少数基本元素（和弦）按规则组合的系统。
同时，数字低音（basso continuo）的实践，要求演奏者根据低音线上的数字即兴填充和声，这实质上是一种约束满足与模式匹配的早期计算过程。巴赫的《平均律钢琴曲集》不仅展示了调性体系的成熟，其赋格中的主题模仿、倒影、增值等操作，已隐含了变换群的思想，尽管当时尚未被形式化。
1.2.3 19世纪：理论体系的自觉与早期形式化
浪漫主义时期，音乐语言极大扩展，调性开始松动，这反过来刺激了理论体系的系统化总结。西蒙·塞赫（Simon Sechter，1788-1867）和其学生安东·布鲁克纳发展出严格的“严格风格”对位与和声教程，试图为浪漫主义语言建立规则。雨果·里曼（Hugo Riemann，1849-1919）的功能和声理论（1893）将拉莫的三功能模型精细化，引入“平行关系”、“反功能”等概念，并发展出双五度环（Tonnetz）这一二维音高空间模型，将和弦关系表示为平面网格上的邻近性。Tonnetz可视为格网图（lattice graph）的早期实例，对后世音级集合理论影响深远。
此时期，阿瑟·冯·奥肯（Arthur von Oettingen，1836-1920）提出“等音体系”（isomorphic systems），将等音和弦（如#C与bD）在物理频率与音乐功能上区分，已触及不同调性空间映射的问题。
1.2.4 20世纪中叶：集合论与变换理论的革命
20世纪上半叶，无调性（atonality）与十二音（dodecaphony）音乐的出现，彻底挑战了以调性为中心的传统理论。阿诺德·勋伯格（Arnold Schoenberg，1874-1951）的十二音体系，将12个音高类排列成“音列”（row），并通过原形（P）、逆行（R）、倒影（I）、逆行倒影（RI）四种形式进行构建。这本质上是一个在对称群 $S_{12}$ 的子群上的操作，但勋伯格本人未做严格数学阐述。
真正将十二音理论形式化的是米尔顿·巴比特（Milton Babbitt，1916-2011）与大卫·列文（David Lewin，1933-2003）。巴比特在1940年代将十二音操作定义为模12整数集合上的变换群，并发展出“泛调性”（pandiatonicism）等概念。列文在《广义音程与变换的普遍性》（1987）中提出变换理论（Transformational Theory），将音乐关系从“静态属性”（如“这个和弦是C大三和弦”）转向“动态操作”（如“从和弦X到和弦Y需要什么变换$T_n$或$I_n$？”）。其核心是群论在音乐中的应用：音级集合在$T_n$（平移）和$I_n$（关于某个轴的倒影）变换下形成等价类，即音级集合类型（set-class）。例如，集合$\{0,4,7\}$（C大三和弦）与$\{2,6,9\}$（D大三和弦）属于同一类型（3-011），因存在$T_2$使前者映射到后者。这实现了对和弦的抽象分类，超越了调性归属。
与此同时，艾伦·福特（Allen Forte，1921-2014）的《无调性结构》（1973）系统运用音级集合理论分析勋伯格、贝尔格、韦伯恩的作品，确立了该理论在学术界的地位。其核心工具是音级集合表（set-complex table）与关系图（relation graph），将复杂的和声关系转化为集合间的包含、交叠、互补等集合论关系。
1.2.5 节奏理论与计算音乐学兴起
20世纪下半叶，节奏的数学研究同步深化。莫里斯·拉威尔（Maurice Ravel）等作曲家对不规则节奏的探索，促使理论家寻找描述框架。约翰·科林伍德（John Collingwood）等对非洲、印度等非西方节奏循环的研究，引入了模循环群与欧几里得算法（生成均匀分布的节奏型）。斯蒂芬·海斯（Steven H. C. Hawek）等发展了节奏型分类的算法。
计算能力的飞跃催生了计算音乐学（Computational Musicology）。大卫·赫尔德（David Huron）的《音乐中的期望》（2006）试图将音乐结构（如音程、和声）与心理预期（基于统计学习）联系起来，使用了大量的概率模型与信息论工具。音乐信息检索（MIR）领域发展出从音频或MIDI中自动提取音高、节奏、和声特征的技术，其底层特征定义（如色度特征、节奏直方图）本身就是音乐数理的工程化应用。
1.2.6 频谱音乐与连续数学的介入
20世纪70年代，以热拉尔·格里耶（Gérard Grisey）、特里斯坦·穆拉伊（Tristan Murail）为代表的频谱音乐（Spectral Music）运动，将声音的物理频谱（harmonics, overtones）作为作曲素材。他们使用傅里叶分析将声音分解为正弦波，并基于频谱的包络、瞬态、共振峰等特征进行模拟与变形。这标志着音乐数理研究从离散符号系统（音高、节奏）全面扩展到连续声学参数。数学工具从群论、集合论扩展到泛函分析、小波变换、非线性动力学。例如，穆拉伊的《时间与材料的混沌》试图用分形几何描述音色演变；格里耶的《部分宇宙》使用相位合成控制声波叠加。
1.2.7 21世纪：高维空间、机器学习与跨文化视野
当前，音乐数理研究呈现三大趋势： 1. 高维参数空间建模：音乐被视为在音高、节奏、力度、音色、空间位置等多个维度上的轨迹。主成分分析（PCA）、自组织映射（SOM）等降维技术用于可视化与聚类分析（如对贝多芬弦乐四重奏各乐章的和声-节奏空间投影）。 2. 机器学习与生成模型：深度神经网络（如LSTM、Transformer）被用于旋律生成、和弦预测、风格模仿。这些模型虽不直接使用传统音乐理论术语，但其内部表征可被分析，以揭示数据驱动的“隐式理论”。例如，对训练于巴赫赋格的数据集，模型可能自动习得对位规则的统计近似。 3. 跨文化与比较音乐学：将西方发展出的数理工具（如音阶集合分析、节奏型分类）应用于印度拉格、印尼佩罗格、非洲鼓乐等非西方音乐体系，检验其普适性，并发展新的模型。例如，用范畴论描述不同文化中音阶生成的“过程”；用拓扑数据分析（TDA）研究跨文化节奏循环的形态空间。
---
1.3 主要流派的批判性评述：数学基础、贡献与局限
以下对三个最具影响力的数理音乐理论流派进行批判性评述，聚焦其数学内核、解释力边界及未解难题。
1.3.1 申克理论（Schenkerian Analysis）：深度结构、线性对位与图论雏形
核心思想：海因里希·申克（Heinrich Schenker，1868-1935）提出，一部作品的表层（surface）是深层结构（Ursatz，即“基本结构”）通过“延展”（prolongation）和“对位填充”生成的。深层结构是一个简化的和声-低音骨架（如I–V–I的分解和弦与低音线条），线性对位（linear counterpoint）是声部进行的规则。
数学基础：
- **树状图（Graph）**：申克图本质上是**有根树**，根节点为基本结构，叶节点为表层音符。边表示“延展”关系（如分解和弦、旋律填充）。这预示了**图论**与**语法树**在音乐分析中的应用。
- **偏序集（Partially Ordered Set）**：音符的层级关系构成偏序：若音符A在结构上“支撑”音符B，则A ≤ B。但申克理论中，这种关系是树形的（全序分支），而非一般偏序。
- **拓扑连续性**：申克强调结构的“有机统一”，暗示一种连续变形（从深层到表层的“拉伸”），这后来被**范畴论**的“伴随函子”等概念所诠释。
贡献：
- 首次系统提出音乐作品的**生成性**与**层级性**，超越了静态和声分析。
- 强调**线性对位**（声部独立进行）与**和声背景**的辩证统一，对理解古典-浪漫主义主调音乐极为有效。
- 其图形表示法具有直观性与解释力，成为西方艺术音乐分析的“标准方言”之一。
局限