A análise de componentes principais (PCA - Principal Component Analysis), também chamada Karhunen–Loeve ou método K-L, é uma análise de dados vetoriais que utiliza conceitos de álgebra linear, mais especificamente autovetores e autovalores a fim de reduzir a quantidade de dimensões que descrevem uma matriz. Trata-se de uma técnica que possibilita agrupar componentes em relação à sua correlação: quanto mais dispersos, menor a correlação e quanto mais juntos, melhor a correlação entre eles. A figura a seguir apresenta uma projeção gráfica do conjunto de dados (n) dos registros, cada um dos quais com três dimensões. As projeções desse conjunto de dados nos planos X-Y, X-Z e Y-Z podem ser observadas nas Figuras (b), (c) e (d), respectivamente. Podemos perceber que há uma correlação positiva entre os atributos representados pelas dimensões X e Y.