Note
Une note représente la hauteur et la durée d’un son ; il s’agit d’une figure ronde, de couleur noire ou blanche, avec ou sans hampe, qui est placée sur une portée (voir ci-après). Plus la note est haute, plus le son est aigu. Comme la valeur rythmique ne nous intéresse pas, nous utiliserons ici toujours des « noires » (note de couleur noire avec une hampe simple) ou des « rondes » (note de couleur blanche sans hampe).
Les notes sont appelées :
do (ou ut), ré, mi, fa, sol, la et si.
Ces noms ont été donnés par Guido d’Arezzo et sont les premières lettres des 7 vers de la première strophe de l’Hymne de Saint-Jean Baptiste, un chant grégorien latin. Auparavant, on utilisait des lettres — de A pour la à G pour sol, système encore utilisé par les anglo-saxons.
Portée
La portée est un ensemble de cinq lignes, qui sert à repérer la hauteur d’une note. La note peut être sur une ligne ou sur un interligne (entre deux lignes). La première ligne est la ligne du bas, la cinquième ligne est la ligne du haut.
Si une note est trop aiguë ou trop grave pour être représentée sur la portée, on utilise des lignes supplémentaires.
Clef
La clef est un symbole placé en début de ligne qui sert à donner la référence de la hauteur.
Nous n’utiliserons ici que la clef de sol 
: elle indique que la note située sur la deuxième ligne est un sol.
Altération
Une altération est un signe placé devant la note et qui sert à augmenter ou diminuer la hauteur du son. Le dièse, noté ♯, rend la note plus aiguë, le bémol, noté ♭, rend la note plus grave, et le bécarre, noté ♮, annule une altération. Il existe aussi le double-dièse, noté ♯♯ ou 
, et le double-bémol noté ♭♭.
Remarque
Le dièse « ♯ » est un signe différent du symbole numérique « # » (appelé « croisillon ») présent sur les claviers d’ordinateur. Par ailleurs, le symbole Unicode pour le double-dièse, U+1D12A, n’est pas encore bien interprété partout.
La correspondance entre les figures et le nom des notes est donc :
Les notes « naturelles »
Un son est une vibration de l’air. L’air vibre car il est mis en mouvement par un objet, qui par exemple chute ou bien se brise, ou un phénomène, par exemple le vent qui siffle dans les arbres ou un bruit de frottement. La plupart du temps, cela crée des sons « désorganisés », de type souffle, grésillement, claquement ou craquement. Mais le cri d’un animal est différent, il est « organisé » : en forçant le passage à travers les cordes vocales, l’air met ces cordes vocales en vibration, cette vibration dépend de la tension des muscles et obéit à des lois physiques déterminées.
La capacité à distinguer les bruits « désorganisés » — qui comprennent les bruits d’un animal rodant dans les herbes hautes — et « organisés » — animal, et notamment congénère humain, communiquant une information — a probablement été déterminant pour la survie. L’évolution a donc sélectionné des êtres dont le cerveau est capable de distinguer les sons organisés des sons désorganisés, et de comparer les sons organisés pour reconnaître la nature du signal.
Un son peut être décomposé en vibrations élémentaires caractérisées par une fréquence, qui est le nombre de vibrations par seconde ; la fréquence la plus basse du son est appelée « fondamentale ». Un son « désorganisé » se compose de vibrations sans rapport particulier entres elles. Dans un son « organisé », les vibrations ont une fréquence qui est un multiple entier de la fondamentale. Ces sons ont donc une « hauteur » clairement identifiée, qui correspond à la fréquence fondamentale. L’oreille, et le cerveau, permettent de dire que « deux notes sont identiques » ou « différentes ».
La manière la plus simple de créer un son organisé est de tendre une corde et de la pincer. On peut montrer par une étude mécanique que cette corde ne peut vibrer que selon certaines fréquences, qui dépendent de sa longueur et de sa tension (la force qui sert à la tendre), et ces fréquences sont toutes des multiples de la fondamentale.
Quand deux sons sont émis en même temps, leurs vibrations se superposent.
Considérons ici uniquement des sons « organisés » :
- si la fréquence fondamentale de l’un est la même que l’autre, alors les vibrations se superposent parfaitement ; le cerveau interprète cela comme étant « la même note », une « note de même hauteur » ; on parle « d’unisson » ;
- si la fréquence d’un des sons est le double de l’autre, alors les vibrations se superposent également parfaitement, mais un son est plus aigu que l’autre ; nous interprétons cela comme étant « la même note, mais plus aiguë », ce que l’on appelle une octave (car, dans la musique classique, cet écart est décomposé en une échelle de huit degrés) ;
- si les fréquences sont très proches, il se produit un phénomène de battements désagréable ; on parle de « dissonance ».
Construction pythagoricienne et gamme de sept tons
Avec la voix, on peut monter de manière continue d’une note à son octave supérieure. Il y a donc un nombre « infini » de notes différentes. Toutefois, utiliser « n’importe quelle note » ne mènerait pas à un résultat satisfaisant — harmonieux, agréable — mais ces critères sont subjectifs. Dans la musique européenne, on a donc distingué sept notes au sein d’une octave, et on les a nommées : do, ré, mi, fa, sol, la et si.
Ce découpage en sept notes est arbitraire, et pas du tout universel. En particulier, de nombreuses cultures — notamment en Chine et en Afrique — ont choisi seulement cinq notes. Ce découpage a par ailleurs été bousculé dans la musique contemporaine.
Revenons sur la superposition des vibrations :
- comme nous l’avons vu précédemment, quand deux notes ont des fondamentales de fréquences doubles l’une de l’autre, elles sont plus ou moins perçues comme identiques, mais pourtant différentes, l’une étant plus aiguë que l’autre (octave) ;
- quand deux notes ont des fondamentales de fréquences respectivement double et triple d’une même base, elles sont fortement perçues comme harmonieuse ; cette situation est appelée « quinte » (dans la musique occidentale, on divise cet intervalle en cinq degrés).
En utilisant cette relation, Pythagore, et avant lui les Babyloniens, ont construit une échelle de notes toutes séparées par des quintes, ce qui a donné une gamme de sept tons, dite heptatonique (do, ré, mi, fa, sol, la, si) qui forme la base de la musique occidentale.
Prenons par exemple une fréquence de base ƒ0 de cent dix vibrations par seconde, dite « cent dix hertz » et notée 110 Hz. La première quinte est formée par les notes de fréquence 2׃0 et 3׃0, soit 220 Hz et 330 Hz. La deuxième note (330 Hz) est elle-même le double d’une fréquence ƒ’0 de 165 Hz ; on peut donc former une quinte de fréquence 3׃’0, soit 495 Hz, et ainsi de suite.
La sixième note ainsi générée est presque une octave de la première note. On peut ainsi construire une gamme de cinq notes, dite gamme pentatonique. Les cinq degrés s’étendent sur une grande plage de hauteurs ; on les ramène à l’intérieur d’une seule octave (ici entre 220 et 440 Hz, simplement en les divisant par 2 un « nombre suffisant de fois »).
Mais on peut aussi poursuivre cette construction. À la douzième quinte, on obtient une fréquence qui est également presque une octave de la première note (l’écart par rapport à l’octave parfaite est de 5 % pour la sixième quinte, et de 0,2 % pour la douzième quinte). On peut donc définir douze degrés de cette manière. Comme précédemment, on les ramène à l’intérieur d’une seule octave. Comme il est compliqué de construire une musique avec autant de notes, on n’en retient qu’un nombre limité, typiquement cinq ou sept, mais on garde parfois les douze (musique dodécaphonique) qui forment une gamme.
Ces douze degrés sont appelés des « demi-tons ».
Certaines musiques, notamment arabe, turque et perse, utilisent d’autres degrés, qualifiés de « quarts de tons ».