一、熵

熵的定义：

其对数log的底为2，若使用底为b的对数，则记为。当对数底为时，熵的单位为奈特。

用表示数学期望，如果，则随机变量的期望值为，

当，关于的分布自指数学期望。而熵为随机变量的期望值，其是的概率密度函数，则可写为，

引理：

证明：

二、联合熵与条件熵：

对于服从联合分布为的一对离散随机变量，

联合熵的定义：

若，条件熵的定义：

定理链式法则：

证明：

等价记为：

推论：

，但。

三、相对熵与互信息

两个概率密度函数为和之间的相对熵或Kullback-Leibler距离定义为，

定义 考虑两个随机变量和，它们的联合概率密度函数为，其边际概率密度函数分别是和。

互信息为联合分布和乘积分布之间的相对熵，

四、熵和互信息的关系

还可以将互信息写为，

由此可以看出，互信息是在给定知识条件下的不确定度的缩减量。则，

，联系到前面的，可得，

最后得出，

因此，随机变量与自身的互信息为该随机变量的熵。有时，熵称为自信息就是这个原因。

熵和互信息的关系如下，

五、熵、相对熵与互信息的链式法则

一组随机变量的熵等于条件熵之和。

定理 设随机变量服从，则

证明一：

证明二，由

可得：

给定时由于的知识而引起关于的不确定度的缩减量，即条件互信息的定义：

定理 互信息的链式法则：

证明：

条件相对熵的定义：

定理 相对熵的链式法则：

证明：

熵、相对熵与互信息