主成分分析（PCA）通常是通过两种方式进行计算的：根据相关系数矩阵和协方差矩阵。因此，正确答案是 **A: 协方差矩阵**。

### 专业分析

1. **协方差矩阵**：
- 主成分分析的最常用方法是基于**协方差矩阵**。当数据被标准化之前进行PCA时，通常使用协方差矩阵。在这种情况下，PCA捕捉的是数据的实际方差和协方差。因此，计算出的主成分将反映原始数据的尺度和单位。

2. **相关系数矩阵**：
- 如果数据中的特征具有不同的单位或量级，通常数据会先被标准化（即每个特征减去其均值后除以其标准差），然后基于**相关系数矩阵**进行PCA。这样做的目的是去除不同单位和量级对分析的影响，使得每个特征在分析中具有相同的重要性。

### 表格对比

| 方法 | 描述 | 使用场景 |
|------------------------|-------------------------------------------|---------------------------|
| 协方差矩阵 | 反映原始数据的方差和协方差 | 当不需要标准化数据时使用 |
| 相关系数矩阵 | 反映标准化数据的相关性 | 当特征具有不同单位时使用 |

通过这两种矩阵，PCA可以提取数据中最重要的特征（即主成分），这些主成分通常用于降维、数据压缩或特征选择。