As letras Y e W são vogais ou consoantes? Para entender a resposta, precisamos de alguns elementos, como a definição de vogal e consoante; e aprender de onde vieram e que função cumprem, para conseguirmos categorizá-las. Começaremos pelo Y.

A letra ípsilon foi uma adaptação, criada pelos gregos antigos, da letra fenícia “vau” (bastante semelhante ao Y). Na Grécia Antiga, tinha o som de /y/ — o mesmo som da letra francesa “u”, como em tu (tu), rue (rua), sûr (certo); e do alemão “ü”, como em über (sobre, super) e Gisele Bündchen.

O povo etrusco (vizinhos dos romanos) utilizou o alfabeto grego para construir o próprio alfabeto; e os romanos, por sua vez, utilizaram o alfabeto etrusco (que havia sido baseado no grego) para construir o alfabeto latino. Acontece que, em latim — assim como em português —, não existia o som de /y/ (“u” francês, “ü” alemão). De modos que, como os romanos achavam difícil pronunciar aquele som estranho, articulavam o fonema simplesmente como nosso bom e velho /i/ ("i" de Índia).

Acontece que nem só de latim vivia o povo romano. Após a conquista da Grécia, uma enxurrada de termos gregos invadiu o vocabulário latino. Isso fez com que a letra Y fosse utilizada, na escrita latina, para informar o leitor: "amigo, esta palavrinha aqui tem aquele estranho som grego entre /u/ e /i/". Isso é importante, pois consolidou-se numa tradição que durou mais de dois mil anos. Basta pensar que essa regrinha, que começou antes de Jesus Cristo nascer, permaneceu até a década de 1940, já no português, muito tempo depois de o latim ter deixado de existir.

De fato, o próprio nome da letra Y demonstra de onde o tomamos emprestado: sua denominação, em grego, é exatamente “ípsilon”. Veja como se chama em alguns outros idiomas (inclusive no original):

O som original do ípsilon em grego antigo (“u” francês, “ü" alemão) foi transformado em /i/ de tal forma que escrevemos o próprio nome da letra Y com “i” (no original em grego, é ýpsilon). A mudança foi tão grande que alcançou até a própria língua helênica: o grego moderno também se desfez do som original e, hoje, nele pronuncia-se o ípsilon exatamente da mesma forma que o “i”. As crianças de lá enfrentam a mesma problemática que as daqui em português quando perguntam “isso se escreve com X ou CH”?

Ao contrário do Y, o W não veio do grego, nem se baseia no latim. Na língua de Roma, “u” e “v” eram, ambos, escritos com a letra V (sempre em maiúscula, pois não existiam as letras minúsculas). Portanto, no tempo de César, palavras como “vespa” e “status” escreviam-se “VESPA” e “STATVS”.

Isso acontece porque o som que conhecemos hoje como “V de vitória” não existia no latim clássico. A letra “V” referia-se apenas ao som da vogal /u/ (uva) e de sua semivogal (quando, quatro, água). Quando esse som tinha valor de semivogal, criava ditongos: “VESPA” pronunciava-se “uêspa”; “VINVM” (vinho) pronunciava-se “uínum”.

Gradualmente, o latim foi mudando até atingir a fase conhecida como “latim vulgar” ¹ (o ancestral do português), com uma pronúncia já bastante modificada. A semivogal em “u” (como em VESPA, pronunciada "uêspa” em latim) perdeu o som de /u/ e passou a ter o som de /β/ — um “b” suave, em que os lábios se aproximam, mas não se tocam. Este é o mesmo som que se usa até hoje na Espanha para pronunciar as letras B e V em algumas posições. Este mesmo som /β/, por fim, transformou-se no /v/ (o “V de vitória”) que usamos atualmente.

Ou seja, como, já no finzinho da vida do latim, a letra “V” deixara de ser pronunciada como /u/ e passara a soar como /v/ (de Vitória), era necessário encontrar uma nova maneira de representar a semivogal da letra U, muito comum em nomes estrangeiros – principalmente nos germânicos (como é o caso do alemão, sueco, norueguês etc.).

Assim, no século VII, os escribas começaram a escrever dois “Vês” (que antes tinham som de “Us”!) lado a lado (VV) para representar o som /w/, o mesmo do inglês “win” (ganhar, vencer), que corresponde à semivogal em /u/ do português e cria ditongos: “uín”.

Com a nova invenção, nomes germânicos como “Wilhelm” (Guilherme) e “Edward” (Eduardo) passaram a ser escritos em latim como “VVILLELMVS” (Willelmus) e “EDVVARDVS” (Edwardus). Ou seja, passaram-se a escrever Vês dobrados. Essa junção dos Vês fez com que as pontas da letra se aproximassem cada vez mais, até se tocarem: VV, portanto, transformou-se em W.

Por volta do ano de 1300, a letra já se havia tornado padrão, elemento permanente dos alfabetos inglês, alemão e holandês. Observe que o nome da letra W é justamente “dois Vês” ou “dois Us”, a depender do idioma:

A origem da letra W é tão flagrante que as línguas latinas mantiveram até mesmo a ordem inversa dos idiomas germânicos: em vez de nomeá-la “u/v duplo” ou “u/v dobrado”, todas as românicas mantiveram o formato “adjetivo primeiro, substantivo depois” — o contrário de nossa herança latina. Algo como “azul caneta” (adjetivo-substantivo), em vez do normal “caneta azul” (substantivo-adjetivo).

E que importância tem, para nós, essa viagem no tempo? Basicamente, é essa história que explica como essas letras viriam a ser utilizadas em nosso idioma.

Lembra-se, por exemplo, que o Y, sendo grego, era utilizado em latim para caracterizar palavras de origem grega? Em português fizemos o mesmo até a reforma ortográfica de 1943. Hoje, achamos normal escrever mistério, Egito, abismo, estilo, lira, mas antes eram escritas de forma a preservar sua etimologia, vale dizer, guardavam a origem da palavra. Como são todas palavras gregas, escreviam-se mystério, Egypto, abysmo, estylo e lyra. Isto, claro, para não falar das palavras de origem indígena, como o tupi-guarani, o que explica sua permanência consolidada em nomes próprios como Yara, Guaracy, Jutahy e, mais recentemente, em nomes próprios mais modernos que adotaram a letra, como Neymar.

A confusão, entre classificá-las como vogais ou consoantes, acontece porque há definições aparentemente diferentes entre dois ramos da gramática. Numa acepção mais antiga da gramática tradicional, a consoante era definida simplesmente como "o som que não se consegue pronunciar sem o apoio de uma vogal". Por exemplo, só conseguimos pronunciar os sons /b/, /p/, /m/ se utilizarmos alguma voz sonora, caracterizada por alguma das vogais: ba, pa, ma; bé, pé, mé; etc. Não há palavras em português formadas apenas de consoantes (palavras como “vc” e “Sr.” não contam, por serem abreviações das formas “você” e “Senhor”).

Porém, uma parte especializada da gramática, chamada fonética — a ciência que estuda os sons no âmbito do idioma — especificou a definição de consoante: é todo som produzido por meio de algum tipo de obstáculo, de impedimento (seja ele total ou parcial). Em linguística, esse fenômeno chama-se constrição.

Quando pronunciamos qualquer consoante, como B, P, M, há uma constrição (algum empecilho, seja ele total ou parcial) que se faz necessário para que esse som seja produzido. Essa barreira pode ser qualquer parte da boca, como a língua, os lábios, os dentes, até o céu da boca.

Por exemplo, no som da letra P, temos os dois lábios fechando-se (como se fecham totalmente, chamamos de oclusão); no V, temos dentes tocando os lábios (impedimento parcial a que chamamos fricção, um tipo de estritura); no S, temos os dentes muito próximos ou até se tocando, e a língua subindo para estreitar a passagem do ar (uma obstaculização do ar também parcial, portanto).

É impossível produzir qualquer desses sons (/p/, /v/, /s/) com a boca aberta (ou seja, sem de alguma forma obstaculizar o som produzido pelas cordas vocais). As vogais, pelo contrário, pronunciam-se livremente, com a boca aberta, sem a necessidade de se utilizarem dentes, lábios etc. — e não conseguem ser pronunciadas se forem obstaculizadas de alguma forma. No momento em que são ocluídas, cessam, transformando-se em consoantes.

Temos aí, portanto, duas definições de consoante. A antiga gramática tradicional traz um conceito mais remoto, conceituando como consoantes "as letras que não se pronunciam sozinhas, necessitando da presença de alguma vogal". A problemática desta antiga definição é que, pela letra fria do comando, não só Y e W, mas qualquer semivogal (inclusive E, I, O e U) será também automaticamente classificada como consoante. Isso acontece porque não existe semivogal desacompanhada: todo ditongo é composto de uma vogal e de uma semivogal. Como a semivogal não se sustenta sozinha e precisa ser acompanhada de vogal, termina fatalmente incorrendo na definição de consoante dessa antiga linha de pensamento.

Já a fonética explica que consoante é aquela que se produz por algum tipo de constrição na cavidade bucal. Neste caso, percebemos que Y jamais será consoante, uma vez que, desde a época do latim, a letra toma o som de /i/ ("i" de Índia). De acordo com a velha lógica matemática:

se a = b

e b = c,

então a = c

Da mesma forma:

se y = i

e i = som produzido sem constrição (portanto, jamais consoante),

então “y” também é um som sem constrição e jamais consoante.

A letra W, ao contrário, é fluida. Como ela pode ser pronunciada como /u/ ou /v/, sua categorização como consoante dependerá do caso concreto. Por exemplo, em "kiwi" é pronunciada kiuí. O som /u/ — independentemente de ser vogal ou semivogal — faz-se necessariamente sem constrição, como já vimos num parágrafo anterior. Portanto, não é possível classificar o W como consoante aqui. Já no nome do filósofo “Max Weber”, temos a pronúncia Max Vêba, respeitando sua origem alemã, em que W pronuncia-se /v/. Neste caso, temos um fonema fricativo labiodental sonoro. Parece complicado, mas trata-se apenas de uma palavra com 1) som (fonema) produzido pela 2) fricção do 3) lábio nos 4) dentes. Se há fricção, há constrição — aqui, parcial. Se há constrição, trata-se de consoante.

À primeira vista, essas duas definições (antiga gramática x fonética) sugerem ser opostas, mas essa incompatibilidade é só aparente. A primeira vertente é mais antiga e ampla, enquanto a fonética traz um recorte mais específico. É necessário interpretar a definição tradicional não de forma literal, mas de forma teleológica, vale dizer, o que ela quis dizer com aquilo, ainda que se tenha utilizado de termos imprecisos na época.

Quando a antiga gramática diz que são consoantes "as letras que não se pronunciam sozinhas" (necessitando do acompanhamento de vogal), quer ela dizer justamente que não temos palavras com B, V, T soltas na frase, pois seriam de difícil pronúncia, não é algo natural do português. Como sofrem alguma constrição sonora, precisam de um som desobstruído que lhes dê sustentação (uma vogal). A intenção por detrás dessa definição, portanto, é justamente trazer o conceito retratado no posicionamento da fonética, que se utiliza de termos mais precisos. Caso contrário, para a antiga gramática tradicional, não só Y e W seriam caracterizadas como consoantes, mas também qualquer semivogal, inclusive E, I, O e U (o A é o rei das sílabas: nunca atua como semivogal). Se a você, leitor, não parece fazer sentido classificar E, I, O e U como consoantes, isso significa que você entendeu o dilema.

Geralmente, pensamos nas vogais como aquelas 5 tradicionais: A, E, I, O, U. Porém, o motivo para isso é histórico: passamos os últimos 80 anos sem a presença de Y e W. Antes das reformas ortográficas que eliminaram essas letras, porém, seria perfeitamente normal ao falante da língua portuguesa responder que são 6 (seis) as vogais do idioma. Pero de Magalhães de Gandavo, por exemplo, ensinava, em 1574, que "as vogaes são estas, a, e, i, o, u, y". ²

Além disso, o entendimento mais atual é o de que não importa muito a escrita, e sim o som produzido pela letra (ou seja, seu fonema). Por isso, o tópico de classificação de vogais, nas gramáticas de hoje, encontra-se na parte de fonética (e não na parte de morfologia nem na de sintaxe). Sob este viés, a letra Y não pode ser consoante, pois tem som de /i/ (sempre desobstruído, quer atue como vogal ou semivogal). O W, por ser pronunciado como /u/ ou /v/, será entendido como semivogal ou consoante, respectivamente, a depender do caso concreto.

Dito isso, existe ainda aquela corrente mais antiga, que prefere interpretar a definição da gramática tradicional de forma literal, caso em que Y e W são sempre consideradas consoantes. Nós discordamos desse posicionamento, por ser um preceito em larga escala já obsoleto, vez que isso faria com que as semivogais (E, I, O, U) em palavras como mãe, pão, andei, água também fossem consideradas consoantes. A diferenciação bifurcada vogal-consoante é ultrapassada; hoje em dia, basicamente todas as gramáticas trazem a distinção tríplice vogal, semivogal, consoante.

Antes de concluir este artigo, é importante observar que a classificação de Y e W como vogais, semivogais ou consoantes muda de acordo com o idioma. Em espanhol, por exemplo, o Y da palavra “yo” (eu) é classificado como consoante — não porque a letra Y possua alguma essência transcendental que lhe dê naturalmente feições de consoante, mas simplesmente porque a pronúncia da palavra é /djô/, e o fonema /dj/ é claramente consonantal. Assim também no inglês e noutras línguas. Mais uma comprovação de que o entendimento atual baseia-se no som (fonema) da letra, e não meramente na escrita em si.

Em português, portanto, atualmente o Y é considerado vogal (Jutahy, Guaracy, Moacyr, Juracy, Aracy, Jamilly, Lucy, Êmilly, Yguaçu) ou semivogal (Yara, Neymar, Nitheroy, Tamoyo, Paraguay, Uruguay); e o W, semivogal (web, show, download, wifi) ou consoante (Max Weber, Richard Wagner, Wilma) pela corrente majoritária. A corrente que classifica essas letras como consoantes é considerada ultrapassada, carecendo de prestígio atualmente.