La familia indoeuropea fue identificada como tal por Sir William Jones en el siglo XVIII tras estudiar la lengua sánscrita y comprobar su similitud con la latina y griega, no sólo en su vocabulario sino también en su sistema gramatical e inflexiones. Jones concluyó que las tres lenguas tenían un solo antepasado común, del cual surgieron también las lenguas germánicas y celtas. Al hilo de esta conclusión se llegó a otra y era que los grupos eslavo y báltico también pertenecían a esta familia, junto con el armenio y albanés. Posteriormente, las extintas tocaria e hitita también se incluyeron dentro de esta familia.

El término indo-hitita es usado por estudiosos que piensan que el hitita y las demás lenguas anatolias no son simplemente una rama de la familia indoeuropea sino una rama que junto con la indoeuropea formaría la indo-hitita.

Respecto a la ubicación original de los pueblos indoeuropeos muchos sostienen que proceden del nordeste del Mar Negro, lo que facilitó su adentramiento en los Balcanes y en Anatolia hacia el oeste y luego a Irán y la India hacia el este y el sur, hacia mediados del primer milenio a. C. No obstante, se han propuesto otras zonas de origen como la Europa central, los Balcanes y la Europa septentrional e incluso el círculo polar. Posteriormente se ha hablado de la región del Cáucaso como cuna de los indoeuropeos.

En los tiempos prehistóricos la mayor parte de las ramas indoeuropeas fueron traídas a territorios ocupados por hablantes de lenguas no indoeuropeas, siendo razonable pensar que esas lengua tuvieron que ejercer alguna influencia en los recién llegados. En cuanto al léxico esto es demostrable en hitita y griego, por lo menos. Lo que no está tan claro es si esas lenguas no indoeuropeas modificaron los sonidos y la gramática de las lenguas indoeuropeas que las reemplazaron. Tal vez el mejor caso es la India, donde ciertas características gramaticales compartidas por las lenguas indoeuropeas y dravídicas indican que la influencia fue de las dravídicas a las indoeuropeas en vez de al contrario. Pero para la mayoría de las ramas de lenguas indoeuropeas es casi imposible demostrar una conexión de sonidos y gramática a causa de la ignorancia que tenemos de las lenguas no indoeuropeas con las que estuvieron en contacto.

Consideraciones lingüísticas, históricas y geográficas indican que los hablantes de proto-indoeuropeo eran una población relativamente pequeña y homogénea de Eurasia que hacia el 4000 a. C. experimentó una importante expansión y fragmentación. Algunos eruditos creen que los indoeuropeos eran portadores de la cultura de los kurgan del Mar Negro, del Cáucaso y del oeste de los Urales.

Una relación remota entre el indoeuropeo y las lenguas urálicas no es imposible y geográficamente ambas familias compartieron en su momento lugares contiguos; también léxicamente hay fuertes parecidos en varias palabras básicas o partes de palabras, incluyendo pronombres personales, demostrativos, interrogativos y relativos, terminaciones de verbos y palabras como 'agua' y 'nombre', además de la terminación del acusativo -m. Tipológicamente ambas familias son similares: ambas tienen muchos sufijos y pocos o ningún prefijo o infijo. Pero estos parecidos son demasiado escasos para permitir establecer la reconstrucción de un supuesto indo-urálico. Si alguna vez estuvieron unidas ambas familias hubieron de separarse hace miles de años, antes de la diversificación del proto-indoeuropeo.

Si el indoeuropeo está relacionado con otras familias, como la afroasiática o la kartvelia, tuvo que diverger de ellas antes que de la urálica, pues las similitudes son aún menores.

La familia de lenguas indoeuropea es una de las más extendidas geográficamente e incluye a la mayor parte de las lenguas europeas pero también se extiende por Irán, Afganistán y el subcontinente índico, tal como muestra el mapa inferior. Aunque esta familia comprende solamente unas 140 lenguas, sin embargo es hablada por unos 2.500 millones de personas en todo el mundo.

Las 11 ramas de esta familia varían grandemente en número de lenguas y número de hablantes. Dos de las ramas, anatolia y tocaria, están extinguidas. En la antigüedad varias lenguas anatolias fueron habladas en lo que hoy es Turquía, mientras que las lenguas tocarias se hablaron en China occidental. El armenio y el albanés, aunque lenguas solas, son ramas en sí mismas de la familia indoeuropea. El armenio tiene unos 5 millones de hablantes, la mayor parte de ellos en Armenia, pero muchos también esparcidos por todo el mundo. El albanés se habla en Albania y en regiones aledañas de Bosnia-Herzegovina y Grecia por unos 4 millones de hablantes; está compuesto de dos dialectos el guego y el tosco, que no son inteligibles entre sí, estando el albanés normativo basado en el dialecto tosco. El griego se habla en Grecia por unos 10 millones de personas, habiendo un dialecto, el tsaconio, hablado en la costa oriental del Peloponeso por unas 10.000 personas, que es la continuación del dialecto de la antigua Esparta.

Las lenguas célticas están radicadas en Irlanda, Gran Bretaña y la costa noroccidental de Francia, aunque en su día estuvieron extendidas por toda Europa y hasta Asia Menor. El bretón se habla en la Bretaña francesa por más de medio millón de personas, aunque su uso no es estimulado por la Administración francesa. El uso del gaélico irlandés sí es motivado por el Gobierno irlandés, aunque el número de hablantes se reduce constantemente. El galés se habla en Gales, con unos 750.000 hablantes. En Escocia se mantiene, aunque en dismución progresiva, el gaélico escocés. De todas las lenguas célticas existentes hay muy pocos hablantes que sean monolingües.

Antiguamente se hablaron en la península italiana un cierto número de lenguas itálicas, pero todas, menos el latín, se extinguieron. Las descendientes del latín se conocen colectivamente como lenguas romances, una rama compuesta de unas 20 lenguas pero hablada por unos 900 millones de personas como lengua materna y otros 300 millones como segunda lengua. De ellas el castellano o español es la más hablada, siguiéndole el portugués, francés, italiano, rumano, provenzal, catalán, gallego y sardo.

La rama germánica es hablada por unos 600 millones de personas, siendo el inglés la más hablada de todas ellas y también la más hablada del mundo como segunda lengua. Otras importantes lenguas germánicas son el alemán, el holandés, el sueco, el danés, noruego, yiddish, afrikáans e islandés. El yiddish se ha desarrollado a partir del alemán y el afrikáans del holandés. Aunque se consideran lenguas separadas, el sueco, el noruego y el danés son mutuamente inteligibles.

Las ramas báltica y eslava a veces se agrupan en una sola denominada balto-eslava, aunque nosotros preferimos distinguirlas. Sólo dos lenguas bálticas sobreviven actualmente: la lituana con 3 millones de hablantes y la letona con 2 millones. La rama eslava comprende una docena de lenguas habladas por unos 290 millones de hablantes, siendo la rusa la más numerosa, pero también son importantes la ucraniana, la polaca, serbocroata, checa-eslovaca, bielorrusa, búlgara, eslovena y macedonia.

La rama más numerosa de lenguas de la familia indoeuropea es la indo-irania, extendida por Irán, Afganistán, Pakistán, India, Nepal, Bangladés y Sri Lanka. En total cuenta con unos 750 millones de hablantes. También encuadrada en esta rama está la lengua romaní, la lengua de los gitanos, subdividida en un gran número de dialectos ininteligibles entre sí. En Irán, se habla farsi (que se extiende por Afganistán) con 20 millones de hablantes, pero también mazanderani, 2 millones, y kurdo, 5 millones, hablado también en Turquía e Iraq. Hay 13 millones de hablantes en pashto diseminados por Afganistán y Pakistán. De las lenguas índicas la más numerosa es hindi-urdu, con 200 millones de hablantes como primera lengua y varios millones más como segunda lengua, siendo hablada en el norte de la India y Pakistán. Sindhi, con 7 millones, también se divide entre India y Pakistán. Landa, 15 millones, y baluchi, 2 millones, se hablan en Pakistán fundamentalmente. Nepalí, 10 millones, se habla en Nepal y sinhala, 10 millones, en Sri Lanka. Otras lenguas importantes hablada sen la India son: Awadhi, 55 millones, marathi, 45 millones, punjabi, 40 millones, bihari, 30 millones, gujarati, 30 millones, oriya, 20 millones, marwari, 13 millones, cachemiro, 3 millones, bhili, 3 millones, pahari, 2 millones, banjari, 2 millones, garhwali, 1 millón y kumauni, 1 millón.

No hay acuerdo sobre la manera y fecha en la que la lengua indoeuropea comenzó a ramificarse. Lo más que se puede hacer es estimar el grado de diferencia entre las lenguas en cuestión teniendo en cuenta todo lo que sabemos sobre ellas y después comparar esta estimación con los niveles de diferencia dentro de familias de lenguas, como la romance, cuyo actual tiempo de divergencia es aproximadamente conocido. Usando este método se puede concluir que las lenguas indoeuropeas más antiguas, anatolia, indo-irania y griega, se deben haber desgajado, como lenguas separadas de la lengua madre, antes del 3000 a. C. pero la primera separación no debe haber sido antes del 4500 a. C.

Una vez que los dialectos se diferenciaron lo suficiente para ser lenguas separadas, hacia el 2500 a. C. en la mayoría de los casos, cada uno siguió su propio camino y si hay armonía en sus desarrollos ello se debe a los préstamos a través de las fronteras lingüísticas. Este es el caso de la notable convergencia entre el griego moderno, el albanés, el rumano y las lenguas eslavas meridionales.

Según el orden cronológico a las distintas ramas de las lenguas indoeuropeas podríamos clasificarlas de esta manera:

• Segundo milenio antes de Cristo:

1. Anatolia

2. Indo-irania

3. Helénica

• Primer milenio antes de Cristo:

1. Itálica

2. Céltica

• Primer milenio después de Cristo:

1. Germánica

2. Armenia

3. Tocaria

4. Báltica

5. Eslava

6. Albanesa

Aunque la anterior es una clasificación ampliamente aceptada por los lingüistas, existe, no obstante, otra clasificación según la cual la familia sería en realidad la indo-hitita, con dos ramas: la anatolia y la indoeuropea, constando la indoeuropea de 10 ramas a su vez: armenia, tocaria, indo-irania, albanesa o ilírica, griega o helénica, itálica, céltica, germánica, báltica y eslava.

La lingüística comparada estableció una serie de principios básicos al trabajar sobre el antiguo indoeuropeo. Entre los más importantes están las leyes de Grimm y Verner que establecieron la correspondencia fonética entre los fonemas de las lenguas que se relacionan entre sí, lo que supone que un determinado sonido se comporta siempre de la misma manera bajo idénticas condiciones en cualquier lengua del mismo grupo. De acuerdo con ello, en ciertas familias indoeuropeas (albana, armenia, indoirania, eslava y en parte de la báltica) un fonema que se presupone perteneciente al proto-indoeuropeo /k/ se convierte en la sibilante /s/. 

El ejemplo más divulgado de esta regla es el del cambio que se observa de la palabra 'ciento' que en latín se escribe centum y se pronuncia (kentum), mientras que en el avéstico la palabra es satem, lo que atestigua el paso de k a s. Por eso las lenguas indoeuropeas se han clasificado bien por pertenecer a la rama occidental (del centum), o bien a la oriental (del satem). No obstante, muchos lingüistas no aceptaron ese criterio para dividir la familia en dos ramas porque ello significaba que la fragmentación se había producido en épocas muy tempranas y además, porque, aun siendo un rasgo de gran interés, no es el único elemento decisivo que diferencia en dos ramas el grupo indoeuropeo.

La principal razón para agrupar las lenguas indoeuropeas juntas es que comparten un número de características de vocabulario básico, incluyendo afijos gramaticales, que se relacionan en las diferentes lenguas por reglas fonéticas estables. Sobre todo son importantes las pautas compartidas de alteración de sonidos, como la armonía del sánscrito ás-ti, con el latín es-t y el gótico -t, que significan en las tres 'es' y que concuerda por una reducción idéntica de la raíz a s- en el plural en las tres lenguas: sánscrito s-ánti, latín s-unt, gótico s-ind, que significa en todas 'son'.

La tabla inferior permite hacer una comparación entre diversas lenguas indoeuropeas en sus sistemas numéricos.

El diagrama inferior nos ayuda a entender las relación mutua entre las diversas lenguas indoeuropeas y el contraste con otras no indoeuropeas, basándonos en seis palabras. Lenguas Indoeuropeas

Lenguas no Indoeuropeas

En fonología el cambio más notable fue la pérdida o reducción en muchas lenguas de las sílabas finales o no acentuadas y la pérdida en varias lenguas de ciertas consonantes entre vocales, seguido a veces por contracción de la secuencia vocal resultante. Por eso las palabras en las modernas lenguas indoeuropeo son mucho más cortas que en proto-indoeuropeo.

El sistema fonológico indoeuropeo distingue cuatro grupos de sonidos: obstruentes (oclusivos y sibilantes), laringeales, resonantes y vocales. Veamos una sumaria clasificación de las mismas:

• Oclusivos: p t k d g b, agrupados de acuerdo a cinco puntos de articulación (labial, apico-dental, palatal, velar y labiovelar) y tres maneras de articulación (sorda, sonora y aspirada).

• Sibilantes: s 

• Laringeales: h aunque esta letra tiende a perder valor fonético y se vuelve muda.

• Resonantes: m n r l y w

• Vocales: i e a o u largas y cortas.

Los diptongos se forman por la combinación de las tres vocales -e o a- con las vocales altas -i u- formando seis diptongos: ei oi ai eu ou au. Las cinco vocales tienen sonido corto y largo.

Cada palabra indoeuropea tiene un solo acento cuya posición está determinada por las reglas de formación de la palabra y por la entonación.