简而言之，问题的答案是这样的：人的听觉，感受到的就是声音的频谱，而 do+mi 的频谱与 re 的频谱完全不同。人的视觉，感受到的是光谱在 3 个基上的投影，黄、蓝颜料混合后反射光的光谱与绿色颜料的反射光谱虽然不同，但在这 3 个基上的投影是相似的，人对它们的感受也就相似。
下面慢慢分解。
先说听觉。人耳中对听觉最重要的部分是耳蜗，耳蜗里有个基底膜（basilar membrane），跟耳蜗一样的是卷起来的。它的不同部位能够感受到不同频率的振动（范围为 20 Hz ~ 20 kHz），哪里兴奋，哪里就会把神经冲动传递给大脑。于是，人脑接收到的听觉信号就是 20 Hz ~ 20 kHz 内的完整频谱。假设人耳的频率分辨率为 1音分，那么听觉信号实际上是一个 1000 维的向量（20 Hz 到 20 kHz 约为 10 个八度，即 1000 音分），总之是个高维向量就对了。
我们平时说的一个音符，往往不是只有基频分量，而是也有各次谐波分量。如果只有基频分量，那么听起来就是电影中出现不和谐词时的那个“哔”声。下面这张图，是泰坦尼克号主题曲《My Heart Will Go On》前奏的前 3 个音（E 调高音 do、re、mi）的频谱，基频约为 659 Hz、740 Hz、831 Hz。可以看到，在基频的 2、3、4 倍等处，有谐波分量存在。
从图中就可以看出，do 和 mi 的频谱混合后，跟 re 的频谱完全不一样，所以人耳不会把 do 和 mi 的混合听成 re 音。实际上，如果按上图的比例混合，mi 比 do 强得多，所以人耳就只能听到 mi。如果把它们调整到差不多的强度再混合，受过音乐训练的人能识别出这是 do 和 mi 两个音，没有受过音乐训练的人就不会描述他们听到的音了。
再说视觉。光信号也是具有光谱的，有的是窄谱信号（比如激光），有的是广谱信号（比如太阳光）。这是在网上随便找的一张太阳光谱：
但是，人眼不像人耳那样，对于每个频率（波长）都有专门的感受器。人的色觉是由视锥细胞产生的。人眼中有三种视锥细胞，它们并不是专门感受特定频率（波长）的，而是对一定范围内的光都敏感。不同频率（波长）的光，对三种视锥细胞的刺激程度不同，可以用 @Vichare Wang 答案中的图来表示：
比如，波长为 630 nm 的激光，会较强地刺激 L 细胞，较弱地刺激 M 细胞，几乎不刺激 S 细胞；波长为 540 nm 的激光，会较强地刺激 M 细胞，稍弱地刺激 L 细胞，几乎不刺激 S 细胞；波长为 580 nm 的激光，会较强地刺激 L 细胞，稍弱地刺激 M 细胞，几乎不刺激 S 细胞。这三种激光，在人眼看来分别是红、绿、黄色。现在假设有一种光，它的光谱在 630 nm 和 540 nm 处都有峰值。当这两个峰值比例适当的时候，这种光对三种视锥细胞的刺激效果，可以跟单独的 580 nm 的激光刺激效果相同，人眼也会觉得它是黄色。这就是光学上“红 + 绿=黄”的原因。自然界中的黄色物体，光谱是多种多样的，但人眼不能感受到完成的光谱，只能感受到光谱与上图中三条曲线的“内积”，颜色空间只有三维。这个三维空间中的不同区域，被人们起了各种颜色的名字。不同的光谱，只要与三条曲线的“内积”差不多，就会被感知成同一种颜色。
光的混合和颜料的混合还有一点不同。光的混合是加性的，每个光源的光谱是加起来的；而颜料的混合是减性的：一张白纸，它的反射光谱是平的；颜料可以吸收光，每涂一种颜料，就会从光谱中“抠”去一部分。碰巧，黄色和蓝色颜料各自吸收一部分光之后剩下的光谱，跟绿色颜料吸收光后剩下的光谱对人眼三种视锥细胞的刺激程度类似（但光谱本身不一定相似），所以人眼就会把黄、蓝色颜料的混合看成绿色。
客官，这篇文章有意思吗？
好玩！预告 App 接着看 (????) ?
再逛逛吧 ˊ_>ˋ
I 相关 / Other
近日，一名有超过15年软件开发经验的软件开发人员在Hacker News上提出了一个问题：如何才能成为一个好
从心理学的角度，喜欢跟自己长得像的人（所谓的夫妻相）是非常科学也非常正常的！再放宽一点说呢，人际交往
不知道大家有没有留意到，2013 年阿黛尔凭借大热的《007 ：天降杀机》主题曲 《Skyfall》拿下格莱美奖之后
这世间，能让霍建华一秒变小公主的，只有胡歌了！！整个画风都变了！尊上你这么娇羞真的好吗？！看到这里，
A set E is said to be finite provided either it is empty or there is a natural number n for which E