乐理的思想史

公元前6世纪某个下午，毕达哥拉斯路过一家铁匠铺，被铁锤敲击砧板的声音吸引。他注意到有些锤子同时敲击时声音和谐悦耳，有些则刺耳嘈杂。他走进去称量铁锤的重量，发现了一个改变人类文明轨迹的事实：声音的和谐与重量之间的简单整数比例直接相关。

毕达哥拉斯与斐洛劳斯调试乐器音管（中世纪手稿插图），原图出自扎利诺《音乐理论》。Wikimedia Commons 公共领域图像。

这个故事——无论细节是否经得起推敲——标志着一个追问的起点。从此以后，每隔几个世纪，就会有人站出来重新回答同一个问题：什么是和谐？

毕达哥拉斯说和谐是数学。亚里斯多克塞努斯说和谐是耳朵的事。扎利诺说和谐是大三和弦。拉莫说和谐是泛音列的物理法则。勋伯格说和谐不存在，只有音程关系存在。亥姆霍兹说和谐是拍频最少的声学状态。神经科学家说和谐是神经元同步发放的产物。

每一次回答都推进了认知，每一次推进都制造了新的矛盾。这篇文章要做的，就是追踪这条追问的线索，从古希腊走到今天。

关于毕达哥拉斯发现和谐音程与数学比例关系的经过，流传最广的版本来自公元2世纪数学家尼科马库斯（Nicomachus of Gerasa）在《和声手册》中的记载。四把铁锤的重量据称为12磅、9磅、8磅和6磅。当12磅和6磅的锤子同时敲击时，重量比为2:1，产生完全和谐的八度；12磅与8磅之比为3:2，产生纯五度；9磅与8磅之比为3:4，产生纯四度。

后来的声学研究表明铁锤重量与音高的关系并不像故事描述的那样精确，因为音高还受锤子材质、敲击力度等多种因素影响。但这个传说背后的洞见是真实的：音高与振动体长度之间存在简单整数关系。毕达哥拉斯随后用更可控的实验工具——单弦琴（monochord）——系统验证了这一发现。

单弦琴是一根固定长度的弦，通过在不同位置放置可移动的桥来改变振动长度。他确立了四个核心比例：

通过叠加这些比例，毕达哥拉斯学派推导出了完整的音阶：从一个八度内的基础音开始，通过纯五度叠加不断推算新音，最终构建出包含七个音级的毕达哥拉斯音阶。这构成了西方音乐理论最底层的数学地基。

古希腊音乐理论的核心构建单元是四音列（tetrachord）——由四个连续音符构成、跨度为纯四度的音组。这与里拉琴（lyre）的物理结构直接相关：里拉琴通常有四到七根弦，手指最自然的按压位置就是四度音程的范围。多个四音列叠加组合形成了大完全系统（Greater Perfect System），跨越两个八度的完整音域，为古希腊全部音阶提供了框架。

最晚到公元前4世纪，希腊调式已被赋予明确的情感标签。多利亚（Dorian）调式庄重勇敢，亚里士多德在《政治学》中称其"庄重而有力"；弗里吉亚（Phrygian）调式激昂热烈，常与酒神崇拜关联；利底亚（Lydian）调式柔和甜美。这些名称后来被拉丁教会借用命名中世纪教会调式，尽管实际音阶结构已大相径庭。

毕达哥拉斯学派坚信：音程的和谐与否完全由数学比例决定。2:1就是八度，3:2就是五度，无论听起来如何，比例是判断的最终依据。这个立场持续了两个世纪，直到一个音乐世家出身的人站出来反驳。

亚里斯多克塞努斯（Aristoxenus of Tarentum，约公元前375年—不详）出生于意大利南部塔伦图姆，其父 Spintharus 是颇有名气的音乐家。他师从亚里士多德，是亚里士多德学派成员。他的《和声要素》（Elementa Harmonica），成书于公元前4世纪后半叶，是现存最古老的西方音乐理论文献。

他认为，如果两个音程在听觉上听起来一样大，那么无论数学比例是否相同，它们就是同一个音程。他进行了大量实验来确定人耳感知上的音程边界，这些边界并不总是与简单整数比例吻合——尤其是他观察到一些音程之间还存在不属于任何毕达哥拉斯比例的中间过渡。

亚里斯多克塞努斯的立场不能简单理解为"反数学"。他的目标是建立一种既能尊重数学结构、又能充分反映听觉经验的理论。这一"理性与感官之间的张力"在此后两千年成为西方音乐理论的核心议题。

公元2世纪，亚历山大的天文学家兼数学家托勒密在《谐学》（Harmonica，约公元150年）中尝试调和两派。他接受简单整数比例的基础观点，但主张大三度应采用5:4的比例（而非毕达哥拉斯学派由两个全音9:8叠加得到的81:64）。他的判断标准同时考虑三个维度：数学比例的简洁性、听觉上的和谐感、以及与既有音乐实践的一致性。这一"三重标准"的思路使他的理论在中世纪被广泛引用。

波爱修斯（Boethius，约480—524年）是罗马帝国末期最后一位重要的古典哲学翻译家。他出生于罗马贵族家庭，在东哥特国王狄奥多里克大帝的朝廷中担任高官，最终因政治陷害被处死。他在狱中写成的《哲学的慰藉》是中世纪最广为阅读的哲学文本之一。

艾因西德伦修道院手稿 Codex 358（第十世纪），含波爱修斯《音乐的体制》原文。Wikimedia Commons 公共领域图像。

波爱修斯的音乐理论专著《音乐的体制》（De institutione musica，约公元500年）是他全部著作中流传最广的作品。他在书中将古希腊音乐理论系统整理并拉丁化传播，对中世纪产生了决定性影响。他提出了著名的三层次音乐体系：

• Musica Mundana（宇宙之乐）：天体运行、四季更替、元素和谐所体现的宇宙秩序
• Musica Humana（人体之乐）：灵魂与身体的和谐结合，理性与感官的统一
• Musica Instrumentalis（器乐之乐）：人类实际制作和听到的音乐

在波爱修斯的框架中，实际演奏的音乐（instrumentalis）只是最底层的表象，真正的和谐存在于宇宙秩序（mundana）和人体结构（humana）之中。这一观点深刻塑造了中世纪对音乐的认知：音乐首先是一门数学学科（quadrivium 四艺之一），其次才是表演艺术。波爱修斯甚至明确区分了三种音乐人：理论家（musici）、演奏者（cantores）和乐器演奏者——只有理解数学原理的理论家才配称为真正的音乐家。

教会调式系统在这一时期逐渐成形。8个教会调式（后扩展为12个）成为中世纪宗教音乐的理论框架。大约11世纪初，本笃会修士规多·达雷佐（Guido d'Arezzo，约991—约1033）做出了两个改变音乐史的发明：他从一首圣歌《Ut queant laxis》的每行首音中提取出 ut、re、mi、fa、sol、la 作为唱名，构成了唱名法的原型；他还发明了线谱系统，用线和间距的视觉位置精确记录音高，使音乐可以脱离口耳相传而被"阅读"。这是音乐从听觉记忆走向视觉符号的关键转折。

1400到1820年间，西方音乐理论经历了一场可以用一句话压缩的革命：音乐的组织中心从"调式中的旋律行为"逐渐转向"调性中的和声功能"。中世纪的音乐更像由旋律线编织出的经纬网，教会调式规定终止音、音域和旋律性格。到巴洛克和古典主义时期，音乐越来越像一个有重力中心的空间：主音是家，属音制造离心张力，下属音提供侧向展开，回到主调形成叙事闭合。

1547年，瑞士人文主义者格拉瑞安（Heinrich Glarean）在《十二弦琴》（Dodecachordon）中提出12调式系统，把 Ionian 和 Aeolian 纳入理论版图。这个补充非常关键：Ionian 近似后来的大调，Aeolian 近似自然小调。也就是说，从8个教会调式走向大小调两极，并非直接"删减"，而是先扩展、再重组。

1558年，威尼斯理论家扎利诺（Gioseffo Zarlino, 1517—1590）出版《和声体制》（Le istitutioni harmoniche），做了两件革命性的事。第一，他讨论了以托勒密比例为基础的 syntonic diatonic tuning，把三度、六度这类在中世纪理论中地位较低的音程提升为协和音程。第二，他把大三和弦的三个音解释为低整数比例关系的组合（如 C-E-G），使大三和弦不再只是复调线条偶然叠出的声音，而被理解为"自然和谐"的基本实体。扎利诺 1565 年成为威尼斯圣马可大教堂的 maestro di cappella，他面对的不是抽象纸面，而是穹顶下多声部合唱的真实回响。威尼斯的空间声学让和声色彩变得可感，理论家必须解释为什么某些三度、六度听起来圆润，为什么某些终止比另一些更有落地感。

1722年，法国作曲家兼理论家拉莫（Jean-Philippe Rameau, 1683—1764）在《和声论》（Traité de l'harmonie）中迈出了更关键的一步。他第一次用数学论证了和弦的"根音"（fundamental bass）概念：无论一个三和弦以什么排列方式出现（原位、第一转位、第二转位），它的"根音"始终是最低的那个音。他还借助泛音列为大三和弦寻找自然根据：弦振动时除了基音，还会产生2倍频、3倍频、4倍频、5倍频等泛音，早期泛音中可导出与根音、五度、三度相关的音高关系。于是，大三和弦被赋予"自然生成"的地位。拉莫由此建立了主-属-下属（Tonic-Dominant-Subdominant）的功能逻辑。调性音乐从此获得了自己的语法：每一个和弦都有明确的"功能角色"，就像句子中的主语、谓语和宾语。拉莫 1722 年出版《和声论》时已经39岁，一个中年作曲家在巴黎用数学和自然哲学为音乐立法——他不是只告诉学生"这样写好听"，而是试图说明"为什么这样写在自然上成立"。

1725年，福克斯（Johann Joseph Fux）出版《通往帕纳索斯的阶梯》（Gradus ad Parnassum），以师生对话形式把文艺复兴以来的严格复调风格整理为"物种对位"教学体系：第一类一音对一音，第二类二音对一音，第三类四音对一音，第四类切分或悬留，第五类混合华彩。它保存了复调写作的精密手艺，也把活生生的文艺复兴风格变成了规则标本。这正构成了18世纪的张力：拉莫让和声成为音乐的垂直逻辑，福克斯保存旋律线之间的水平伦理，而巴赫在两者之间达到了罕见的平衡。

1722年和1742年，巴赫分别写下两卷《平均律键盘曲集》（Das wohltemperierte Clavier），在24个大调和小调中各写一首前奏曲和赋格。但需要纠正一个常见误解：巴赫并未发明十二平均律，也未必主张现代意义上的严格均分。他所使用的更可能是魏克迈斯特（Andreas Werckmeister, 1645—1706）式的"良好调律"（well temperament）——让各调都可用，同时保留不同调的色彩。Yale 的一份研究精辟地概括了从调式到调性的转变：格拉瑞安1547年的系统是"十二个调式，在两个移调层次"；巴赫1722年的《平均律键盘曲集》则是"两种调式，在十二个移调层次"。

奏鸣曲式在这一时期逐渐凝结为古典主义最强大的大型形式工具。其三段结构——呈示部、展开部、再现部——的深层逻辑不是简单的"三段式"，而是"调性冲突的戏剧化"：呈示部在主调提出第一主题，转向属调推出第二主题；展开部把材料切碎、转调、变形，制造不稳定；再现部把第二主题也带回主调，原来的冲突被重新整合。海顿在这里像建筑师，莫扎特像戏剧家，贝多芬则像把承重墙推到极限的工程师。

贝多芬晚期的弦乐四重奏和钢琴奏鸣曲开始触碰调性语法的边界。《大赋格》Op. 133 创作于1825年，1826年3月21日由 Schuppanzigh Quartet 首演。出版商担心其商业前景，请贝多芬另写终曲；贝多芬最终同意，于是《大赋格》作为独立作品出版。1826年《Allgemeine musikalische Zeitung》称这些作品"像中文一样不可理解""巴别塔般混乱"。贝多芬并未抛弃调性，但他把调性的边界拉到极限：远关系调不再只是风景，而像断层；赋格不再只是秩序，而带有暴力般的冲突。1827年贝多芬去世，象征一个时代关闭。

音乐理论中最深刻的矛盾不在调式和调性之间，而埋藏在一个更底层的数学事实里：12个纯五度无法精确闭合为整数个八度。

毕达哥拉斯调律的策略极其简洁——所有音程都由纯五度（3:2）和八度（2:1）叠加生成。但从C出发，连续叠加12个纯五度：$(3/2)^{12} = 129.746...$，而7个八度是 $2^7 = 128$。两者之比约为1.01364，换算为音分约 23.46音分，被称为毕达哥拉斯逗号（Pythagorean comma）。这块"地毯皱褶"在实践中被塞到某个五度里，形成一个被称为"狼五度"（wolf fifth）的糟糕音程。

更微妙的问题在于大三度。毕达哥拉斯调律中的大三度是81/64（由两个全音9:8叠加得到），而非人耳偏好的5/4。差值81/80 = 1.0125，称为谐振逗号（syntonic comma），约21.51音分。这使毕达哥拉斯大三度明显偏高，听感偏"紧张"。

14世纪左右，为解决大三度的问题，音乐家开始采用纯律（Just Intonation），直接使用泛音列中的简单整数比：大三度5:4、小三度6:5、大六度5:3。纯律让常用和弦听起来如同天籁，但代价惨重：不同调式之间的音程大小不一致，某些远关系调的音程会产生被称为"狼音"（wolf interval）的灾难性偏差。

12平均律的本质是一个精心计算的妥协：所有音程都被均匀地"微调"了，没有一个完美，也没有一个灾难性地差。其核心公式是每个半音的频率比为 $\sqrt[12]{2} \approx 1.059463...$，连续乘12次恰好等于2（一个八度）。在平均律中，纯五度约为1.49831（纯五度应为1.5，差约2音分），大三度约为1.25992（纯律为1.25，差约14音分）。

1584年，朱载堉（1536—1611）在《律学新说》中首次用精确数学计算给出了十二平均律的完整方案。朱载堉是明仁宗的六世孙、郑王世子，父亲朱厚烷因直谏被废黜囚禁，年少的他在宫外筑土室独居十九年，潜心研究数学、天文和乐律。他用珠算（算盘）完成了2的12次方根的25位有效数字精度的计算。在《律吕精义》（1595—96）中，他进一步给出了完整的12律管长度表。

大约同一时期，荷兰数学家西蒙·斯蒂文（Simon Stevin, 1548—1630）独立提出了十二平均律的数学方案。1581年，意大利理论家温琴佐·伽利略——天文学家伽利略的父亲——也提出了用18/17 ≈ 1.0588近似半音比的方案（与精确值相差约1音分）。

然而，尽管数学方案在16世纪末就已完备，平均律直到19世纪才被广泛采用。1906年布索尼仍称其为"文明的恶果"，1907年圣桑称之为"毁灭性的暴君与异端"。平均律是音乐史上最典型的"无人满意但人人接受"的方案：它牺牲了每一个音程的绝对纯度，换取了在所有调式中自由转调而不出问题的能力。

1865年6月10日，《特里斯坦与伊索尔德》在慕尼黑首演。这部歌剧的序曲以一个和弦开始，后人称之为"特里斯坦和弦"（F-B-D♯-G♯）。它无法被任何传统和声理论干净地解释——它像是属和弦，但解决的方向含糊不清；它像半减七和弦，但又带有增五度的色彩。更关键的是，瓦格纳刻意延迟了和弦的解决，让不协和的张力在半音阶上不断蔓延，直到歌剧进行很久之后才在"爱之死"中释放。

这个和弦对调性体系造成的冲击，远超同时代人的想象。它证明了一件事：调性引力可以被持续地悬置，而不协和本身可以成为音乐表达的主要手段，而非需要被"解决"的临时紧张。

此后半个世纪，浪漫主义后期的作曲家们在半音主义的道路上越走越远。马勒的交响曲在调性边缘徘徊，理查·施特劳斯的歌剧在和声上不断扩张，直到调性系统被拉伸到极限。

1908年前后，维也纳作曲家勋伯格（Arnold Schönberg, 1874—1951）迈出了被视为"音乐史上最激进的步骤"——他开始创作没有调中心的作品。1923年，他系统化了这一方向，提出了十二音序列技法（twelve-tone technique）。

阿诺德·勋伯格（1874—1951）肖像，约1947年，Florence Homolka 摄影，藏于维也纳勋伯格中心。Wikimedia Commons。

十二音序列的本质并非"随机"。它是用数学的排列组合替代调性引力场：将12个半音排成一个特定序列（"音列"），作曲时必须按顺序使用这些音，在12个音全部出现之前，任何一个音不能重复。这意味着没有一个音比其他音更重要——不存在"主音"，不存在"属音"，不存在"解决"。勋伯格称之为"用音程的旋律力量替代和声的和弦力量"。

新维也纳乐派的另外两位成员走向了不同方向。韦伯恩（Anton Webern）将序列思维推向极致，发展出"点描主义"——每个音都像画布上的一个色点，稀疏而精确，音乐被还原为最小单位的音高、时值和音色的组合。贝尔格（Alban Berg）则在序列框架内保留了浪漫主义的情感表达，他的《沃采克》和《小提琴协奏曲》证明无调性并不意味着放弃抒情。

与此同时，法国作曲家梅西安（Olivier Messiaen, 1908—1992）开辟了另一条路径。他发明了"不可逆节奏"（non-retrogradable rhythms）——无论正向还是反向读都相同的节奏型，类似于回文。他从印度塔拉节奏系统和日本雅乐中汲取灵感，将时间维度从节拍的周期性中解放出来。他还是一位狂热的鸟类学家，花费数十年时间在野外记录鸟鸣并将其转化为精确的记谱。梅西安的学生布列兹（Pierre Boulez）和施托克豪森（Karlheinz Stockhausen）将序列思维从音高扩展到节奏、力度和音色，形成了"整体序列主义"（total serialism），试图对音乐的所有参数实施精确控制。

作为回应，美国作曲家约翰·凯奇（John Cage, 1912—1992）走向了彻底的反面。他通过《4'33"》——一首由三个乐章组成但演奏者全程不发声的作品——提出了一个激进的问题：如果"音乐"可以是没有有意的声音组织，那么音乐与非音乐的边界在哪里？他用《易经》的随机抛币来决定作品的音高、时值和结构，将作曲的权力交给偶然性。

整体序列主义和偶然音乐看似对立，实则共享同一个前提：传统调性体系已经无法提供足够的表达框架。一方以极端控制回应，另一方以极端放手回应，但两者都承认调性已不再是"自然法则"。

20世纪70年代，法国作曲家格里塞（Gérard Grisey）和米哈伊（Tristan Murail）开创了频谱音乐（spectral music），回到声学物理的最底层：他们用计算机分析真实声音的频谱结构，将泛音列的微观成分直接用作作曲材料。音乐不再由抽象的音高符号构成，而是由声音本身的物理纹理编织而成。这像是一次螺旋式的回归——2500年前毕达哥拉斯从声学物理中发现了数学，现在频谱音乐从数学回到了声学物理。

在作曲家和理论家争论"什么是和谐"的两千多年里，一个更基本的问题始终悬而未决：为什么简单比例的音程听起来"协和"而复杂比例的音程听起来"刺耳"？

1863年，德国物理学家亥姆霍兹（Hermann von Helmholtz）在《论音的感觉》中首次用物理学原理解释了这一现象。核心机制是拍频（beating）：当两个频率接近的纯音同时发声时，线性叠加会产生周期性的振幅起伏。频率比越简单，两音的泛音列之间重叠的谐波就越多，"错位"的谐波对就越少，拍频就越少，听感就越"平滑"。

以八度为例：第一个音的所有泛音 $f, 2f, 3f, 4f, \ldots$ 与第二个音的泛音 $2f, 4f, 6f, 8f, \ldots$ 完全对齐，零拍频，绝对协和。纯五度大部分泛音对齐，只有极少数产生微弱拍频。而小二度几乎所有泛音对都错位，产生大量拍频，极度不协和。

1965年，Plomp 和 Levelt 通过实验对亥姆霍兹的理论做了重要修正：最大粗糙感并非出现在频率差最大时，而是出现在差值约等于临界带宽（critical bandwidth）的1/4处，大约1到2个半音的距离。这解释了为什么半音听起来比更宽的音程更"刺耳"。

2008年，特拉维夫大学的 Shapira Lots 和 Stone 提出了神经同步化理论：将听觉神经元建模为耦合振子群，发现简单的频率比对应更宽的"锁模稳定性区间"。频率比为 $P:Q$ 时，如果 $P$ 和 $Q$ 是较小的整数，神经元更容易达到同步发放状态，被感知为"协和"。这一模型生成的协和度排序恰好与亥姆霍兹的列表吻合。

更有说服力的是，Schellenberg 和 Trehub（1994）的实验证明，即使是婴儿也能更好地识别简单频率比的音程，表明这种感知偏好具有生物学基础，并非纯粹的文化习得。

这些发现暗示了一件意味深长的事：毕达哥拉斯在铁匠铺中发现的整数比例，不仅对应了弦长的物理关系，还对应了人类听觉神经的编码方式。数学的"简单"与感知的"和谐"之间的关联，在声学物理和神经科学两个层面都得到了验证。

在西方音乐理论发展的同时，中国独立发展出了一套完整的乐律体系。其核心是三分损益法：将一根律管长度乘以2/3（"损一"）得到上方纯五度的音，再乘以4/3（"益一"）得到下方纯四度的音，交替操作生出一组音阶。这与毕达哥拉斯的纯五度叠加在数学上是等价的——两种文明独立发现了声学的同一套数学法则。

中国的宫商角徵羽五声体系对应着五声音阶（C-D-E-G-A），至今仍是中国、日本、韩国等东亚传统音乐的基础。1978年出土的曾侯乙编钟（约公元前433年）包含65枚钟，跨越五个八度，每钟可发两个音，十二律齐全。这套编钟证明中国早在战国初期就已掌握了完整的十二律理论——而朱载堉在两千多年后将这一传统推向了十二平均律的数学巅峰。

朱载堉的贡献之所以意义非凡，不仅在于他独立发现了平均律，更在于他完成这一工作的历史语境。父亲被囚后，他在土室中独居十九年，用算盘完成了2的12次方根到25位有效数字的计算——在没有对数、没有计算器的16世纪，这几乎是人力所能及的极限精度。然而这项发现在明清两朝均未获官方认可。正如 Robinson（1962）的评价：这是"两千年声学实验与研究的最高成就"。

回到那个贯穿全篇的底层问题：为什么西方音乐最终选择了12个音？

数学家 John Baez 给出了一个清晰的论证：对于 $N$ 音平均律，计算其中最接近纯五度 3/2 的音程偏差，画成图表后可以发现，$N=5$、$N=7$、$N=12$ 都是局部最优点，其中 $N=12$ 的偏差比任何更小的 $N$ 都小得多。要超过 $N=12$ 的精度，必须跳到 $N=29$，而那又过于复杂。

12恰好处在"精度足够高"和"复杂度可接受"的甜蜜点上。更巧的是，5 + 7 = 12，这三个数恰好对应五声音阶、自然音阶和半音阶的音数。五度圈之所以是"圈"——从C出发，每次上升7个半音，走12步回到C——是因为5和7都与12互质（gcd(5,12) = gcd(7,12) = 1），遍历所有音才闭合。

12平均律的五度偏差仅约 1.96音分，即使是训练有素的音乐家也很难分辨。而大三度偏差约13.69音分——这在敏感的耳朵中是可以察觉的，也正是为什么一些弦乐四重奏演奏者会在特定和弦中微调音高，悄悄回到纯律，只为那一个瞬间的完美协和。

这个"不完美但够用"的系统，是音乐史上最深刻的隐喻：人类在追求完美协和的途中，最终学会了与不完美共处。