¿Por qué el español tiene solo cinco vocales?

Si le preguntamos a cualquier hispanohablante cuántas vocales hay o cuántas vocales tiene el español, la respuesta inmediata y sin titubeos será que son cinco vocales las que tiene, como todo el mundo sabe: a, e, i, o, u. Es algo tan básico que tenemos incluso aquella canción: «borriquito como tú… que no sabes ni la u…».

Aunque es cierto que el sistema vocálico más frecuente en las lenguas del mundo es de cinco vocales, y el español es efectivamente una de estas lenguas, tenemos que preguntarnos cómo hemos llegado a esta situación desde las diez vocales que tenía el latín y por qué la mayoría de las lenguas hermanas tienen, al menos, siete:

• gallego (7): /i, e, ɛ, a, ɔ, o, u/
• italiano (7): /i, e, ɛ, a, ɔ, o, u/
• catalán (7 u 8): /i, e, ɛ, a, ɔ, o, u (, ə)/
• rumano (7): /i, e, a, o, u, ə, ɨ/
• portugués (8 o 9): /i, e, ɛ, a, ɔ, o, u, ə (, ɨ)/
• francés (11-13): /i, e, ɛ, a, ɔ, o, u, ə, œ, ø, y (, ɛː, ɑ)/

Para los hispanohablantes, la correspondencia de letras y de fonemas vocálicos es simétrica, y por eso no titubeamos al responder a esa pregunta. Sin embargo, si uno pregunta a hablantes de lenguas con más de cinco vocales, las respuestas son variopintas: desde el anglófono que afirma que su lengua tiene cinco vocales hasta los que, sin saberlo instintiva e inmediatamente, intentan hacer cálculos, acertados en mayor o menor medida, al vuelo.

Las vocales en latín

Como hemos mencionado, el latín tenía diez vocales, esto es, /i, e, a, o, u/ breves y las correspondientes vocales largas. Es por esto que el alfabeto latino, al contrario que por ejemplo el griego, estaba concebido en un principio para representar estos cinco timbres vocálicos (sin contar la grafía ‹y›, de introducción posterior).

Si la única lengua romance fuera el español, podríamos pensar, precipitadamente, que lo único que ocurrió fue que se perdieron las vocales largas y que por eso tenemos, básicamente, una grafía para cada una de las cinco vocales; esto sí que pasó tal cual en sardo. Sin embargo, lo ocurrido en castellano es algo más complicado.

Para entender el resultado en cinco vocales de nuestra lengua tenemos que continuar un poco más con la evolución del latín. Los cinco pares de vocales del latín, que en principio contrastaban en cantidad (a larga y a breve, e larga y e breve, etc.) pero no en timbre (p. ej. la i larga sonaba exactamente igual que la i breve, solo que con mayor duración), debieron en algún momento diferenciarse también en el timbre, tal como pasa en el inglés británico actual, en el que las íes de sheet /ʃiːt/ y de shit /ʃɪt/ difieren tanto en duración ⁠—⁠por eso la primera incluye el símbolo ‹ ː ›, que indica cantidad larga⁠—⁠ como en timbre ⁠—⁠por eso los símbolos fonéticos son distintos: /i/ e /ɪ/⁠—⁠, siendo la de shit, por así decirlo, intermedia entre nuestra /i/ y nuestra /e/.

Pérdida de la cantidad vocálica

Podemos suponer que antes del siglo II d. C. estábamos en un estadio en el que las vocales latinas diferían tanto en timbre como en cantidad, siendo las largas algo más cerradas que las correspondientes breves, más abiertas.

A partir de este momento la cantidad se perdió y, una vez que las vocales largas habían desaparecido (o más bien mutado de distintas formas, pero siempre en vocales breves), lo único relevante en la distinción de las vocales era el timbre, y es de suponer que, alrededor del siglo III-IV, ya nos encontrábamos con un sistema vocálico de siete vocales como el del gallego o el italiano.

Distinción entre vocales tónicas y átonas

Antes de seguir, hemos de distinguir entre las vocales en sílaba tónica y en sílaba átona. El vocalismo átono del latín hablado resultó, con sus matices ⁠—⁠en los que no entraremos⁠—⁠ en cinco vocales: /i, e, a, o, u/; por tanto, esto no presenta dificultad en ninguna de las lenguas romances.

Es en el vocalismo tónico donde encontramos un mayor número de vocales en las demás lenguas, por lo que hemos de ver qué pasó con los equivalentes españoles.

Las vocales de las lenguas romances

Las vocales presentes en las citadas lenguas romances, de las que carece el español, son la e abierta /ɛ/ y la o abierta /ɔ/. Dicho de otra forma: las lenguas romances, por lo general, tienen dos es distintas y dos oes distintas, una abierta y otra cerrada, mientras que el español solo tiene una e y una o (cerrada, aunque realmente son totalmente medias: ni abiertas ni cerradas).

Así, por ejemplo, muchos italianos ⁠—⁠no todos⁠—⁠ distinguen dos significados de la ortografía ‹pesca›: /⁠ˈ⁠pɛska/ ‘melocotón’ y /⁠ˈ⁠peska/ ‘pesca’. Si un hispanohablante pronuncia pesca, el italoparlante no sabrá si se refiere al melocotón o al acto de pescar.

Diptongación de vocales tónicas abiertas

En la mayoría de las variedades del latín hablado ⁠—⁠que aquí llamaremos protorromance por pura conveniencia⁠—⁠, las vocales /ɛ, ɔ/ se fracturaron, es decir, se convirtieron en una especie de vocal doble, de modo que /ɛ/ se convirtió en [eɛ] y /ɔ/, en [oɔ], primer paso hacia una verdadera diptongación en /ie/ y /uo/ respectivamente; el español iría un paso más allá en el segundo diptongo, diferenciando aún más sus elementos, con lo que llegamos a /ue/. Nada de esto, sin embargo, ocurrió en el gallegoportugués ni en el catalán.

Diptongación según la lengua romance

En este punto, hagamos algunas comprobaciones con el español, el italiano y el francés (y portugués y catalán, donde nunca hay diptongación) para ver que todo funciona:

• pĕ́tra > «piedra» | pietra | pierre || pedra | pedra
• fŏ́cu > «fuego» | fuoco | feu || fogo | foc

Pero ¿qué pasa con este otro par?

• fĕ́sta > «fiesta» | festa | fête || festa | festa
• pŏ́rta > «puerta» | porta | porte || porta | porta

Aquí vemos que solo es el español el que tiene diptongos, mientras que las demás lenguas, incluidos el italiano y el francés, tienen vocales puras.

La diferencia entre el primer y el segundo par es que las sílabas donde se encuentran las vocales en cuestión son abiertas (la sílaba acaba en vocal: pe‑tra, fo‑cu) o cerradas (la sílaba acaba en consonante: fes‑ta, por‑ta). Como las sílabas trabadas tienden a acumular mayor tensión articulatoria, no hay necesidad de diptongación. La única excepción, como vemos, es el español, que diptonga las primitivas ĕ́ [ɛ́] y ŏ́ [ɔ́] tanto en sílaba abierta como en sílaba cerrada.

Hay, aun así, algunas palabras que escapan a la diptongación incluso en español, como por ejemplo:

• mŏ́nte debería haber dado *⁠«muente», igual que fŏ́nte ha dado «fuente»
• hŏ́mine debería haber dado *⁠«huembre», que de hecho puede encontrarse en textos medievales
• abscŏ́ndit debería haber dado *⁠«escuende»

En estos casos, de hecho, casi que habría correspondido que el español hubiera conservado la vocal [ɔ]: [⁠ˈ⁠mɔnte, ⁠ˈ⁠ɔmbɾe, es⁠ˈ⁠kɔnde]; pero lógicamente no habría tenido mucho sentido conservar una vocal para un puñado de excepciones, por lo que se emplea la única o que tiene el español.

Conclusión: ¿por qué el español tiene solo cinco vocales?

La mayoría de las lenguas romances tienen, al menos, siete vocales, incluyendo una e abierta y otra cerrada, y una o abierta y otra cerrada; las abiertas, resumiendo, corresponden a las antiguas e y o breves (> /ɛ, ɔ/) en sílaba cerrada tónica, como en f[ɛ]sta y p[ɔ]rta.

El castellano es la gran excepción, ya que diptonga sin hacer distingos de ningún tipo cualquier antigua e y o breve en sílaba tónica. Por tanto, el español tiene cinco vocales: /a, i, u/ como todas las lenguas romances y una sola /e/ y una sola /o/ que no son ni abiertas ni cerradas (y a las que por tanto, hilando fino, habría que añadir unos diacríticos: [e̞, o̞]). A las vocales puras abiertas /ɛ, ɔ/ de las otras lenguas romances (que serían las vocales sexta y séptima) corresponden en español diptongos: /ie, ue/.

Alternancias morfofonológicas: «si quieres, puedes»

O «si querés, podés», que diría un argentino. Aunque llevamos dichas muchas cosas, tenemos que tener en cuenta, para este apartado del artículo sobre alternancias morfofonológicas, los siguientes datos clave:

• el español diptonga las antiguas ĕ y ŏ cuando son tónicas: ĕ́ > /ie/; ŏ́ > /ue/
• si las antiguas ĕ y ŏ son átonas, el español tiene las respectivas vocales /e, o/
• marcaremos con un punto debajo la vocal o el diptongo tónico: V

Por tanto, y como sabe cualquier nativo al menos de forma inconsciente, esto nos lleva a que podamos tener lexemas que pueden aparecer con más de una forma, por ejemplo «puerta» ↔ «portero» o «fiesta» ↔ «festival». La razón, como ya habrás adivinado, es que en la primera palabra de cada par la antigua vocal breve es tónica (y por tanto diptonga), mientras que, en la segunda, es átona (y por tanto permanece como vocal pura). La alternancia morfofonológica está condicionada por el acento.

Este tipo de alternancias también se da en los paradigmas verbales según estas mismas reglas. Por eso tenemos, en el presente de indicativo y subjuntivo, que todo el singular y la 3.ª persona del plural tienen diptongo en verbos descendientes de étimos latinos con vocal radical ĕ/ŏ: «pierdo, pierdes, pierde, perdemos, perdéis, pierden».

Algunas excepciones

Aunque esta es la regla general, las alternancias morfofonológicas tienen también su parte caprichosa.

¿Por qué «ofendo», pero «defiendo»? Los dos verbos son obvios compuestos de la raíz verbal latina fĕnd‑, y no hay ninguna razón para que lo correcto hubiera sido *⁠«ofiendo».

¿Y por qué de «diente» → «dentista» pero de «cuento» → «cuentista» (cf. «contar»)? Desde un punto de vista estrictamente etimológico y morfofonológico, deberíamos tener *⁠«contista». Simplemente, el derivado se ha hecho no sobre el lexema original cont‑, sino ya sobre el lexema (diptongado) de «cuento».

¿Y de «nuevo» → tanto «nuevísimo» como «novísimo»; de «fuerte» → tanto «fuertísimo» como «fortísimo»? Los superlativos en -ísimo, aunque ya existían en latín, se normalizaron en español secundariamente a través del italiano, con regusto cultista; por esto les viene bien conservar la raíz en monoptongo del latín. Por otra parte, este sufijo nuevo se añade a adjetivos que son siempre con diptongo, por lo que también les viene bien conservar la raíz diptongada castellana. La Nueva gramática incluso da una lista cerrada de estos casos:

ardentísimo ~ ardientísimo; bonísimo ~ buenísimo; calentísimo ~ calientísimo; certísimo ~ ciertísimo; destrísima ~ diestrísima; ferventísima ~ fervientísima; fortísima ~ fuertísima; grosísimo ~ gruesísimo; novísimo ~ nuevísimo; recentísimo ~ recientísimo; ternísima ~ tiernísima; valentísima ~ valientísima

¿Qué es lo correcto: «fregaplatos» y «fregasuelos» o «friegaplatos» y «friegasuelos»? Recomienda y justifica el Diccionario panhispánico de dudas que las formas adecuadas son con diptongo, pues el compuesto se forma sobre la 3.ª persona, que, como sabemos, tiene diptongo. Este razonamiento morfológico, que es el que predomina, realmente va contra los razonamientos fonológico y aun etimológico:

• contra el fonológico porque esa sílaba no está acentuada y por tanto debería haberse quedado como e
• contra el etimológico porque, de hecho, esa e nunca debería diptongar, pues «fregar» procede de frĭcare, y esa ĭ da siempre /e/ sin posibilidad de diptongación: deberíamos tener *⁠«frega» < frĭcat igual que tenemos «pera» < pĭra

Vemos, por tanto, que las cosas no son siempre ni tan blancas ni tan negras.

¿Por qué «hueso» y «huevo» llevan ‹h›, pero «óseo» y «oval» no?

Un efecto colateral de todo esto es la alternancia ortográfica ‹h› ~ ‹∅› en palabras como «hueso» ↔ «óseo». ¿Por qué «hueso», «huevo», «huelo» (del verbo «oler»), etc., se escriben con ‹h›, mientras que «óseo», «oval», «oler», etc., no la llevan?

Durante la Edad Media, una vez que el diptongo ue ya se había formado, se tomó la costumbre de escribir delante de las palabras que empezaban por ue una ‹h› para evitar que la ‹u› se confundiera con una ‹v›, dando lugar a lecturas incorrectas como los ejemplos siguientes:

• «hueso» se escribiría *⁠‹ueso› y podría confundirse con *⁠‹veso› *⁠[⁠ˈ⁠beso]
• «huevo» se escribiría *⁠‹uevo› y podría confundirse con *⁠‹vevo› *⁠[⁠ˈ⁠beβo]
• «huelo» se escribiría *⁠‹uelo› y podría confundirse con *⁠‹velo› *⁠[⁠ˈ⁠belo]

Cuando el español sí tiene más de cinco vocales

Como pasa con los estereotipos, detrás de cada meme suele haber algo de verdad. Es exclusivo de la parte oriental de Andalucía y en Murcia el desdoblamiento fonológico por el que se crean, al menos, tres vocales nuevas.

La relajación de la /s/ al final de una palabra en plural es típica del español atlántico. Esta relajación llega a la completa elisión en algunas zonas, lo que, en principio, nos dejaría con que el singular y el plural serían iguales:

• «libre» = «libres»
• «niño» = «niños»
• «niña» = «niñas»

Sin embargo, en la parte oriental de Andalucía y en Murcia se crean tres nuevas vocales por compensación de la /s/ que se pierde, de modo que el singular y el plural contrastan, al menos, para el oído acostumbrado:

• «libre» [⁠ˈ⁠liβɾe], «libres» [⁠ˈ⁠liβɾɛ]
• «niño» [⁠ˈ⁠niɲo], «niños» [⁠ˈ⁠niɲɔ]
• «niña» [⁠ˈ⁠niɲa], «niñas» [⁠ˈ⁠niɲæ]

Siguiendo el razonamiento de los pares mínimos, tendríamos que, de hecho, estas variedades tienen, al menos, ocho fonemas vocálicos.

¡Por cierto! Puedes aprender mucho más con mis videocursos de Lingüística y Humanidades, en los que explico de viva voz este y otros temas relacionados.