此为主成分分析算法基础知识，详细可见《统计学习方法》16.1.3节

正确答案是：A: 将原随机向量的协方差阵变换成对角形阵。

专业分析：

主成分分析（PCA）是一种降维技术，常用于数据预处理和特征提取。主成分分析的核心步骤之一是对数据的协方差矩阵进行特征值分解。

具体来说，PCA的主要步骤包括：

1. **数据中心化**：将数据集的每个特征减去其均值，使得每个特征的均值为零。
2. **计算协方差矩阵**：计算中心化数据集的协方差矩阵。
3. **特征值分解**：对协方差矩阵进行特征值分解，得到特征值和特征向量。

在特征值分解过程中，协方差矩阵 \( \Sigma \) 被分解为特征值和特征向量矩阵的乘积形式：
\[ \Sigma = V \Lambda V^T \]
其中，\( V \) 是特征向量矩阵，\( \Lambda \) 是特征值构成的对角矩阵。这个过程实际上是将原始协方差矩阵变换成一个对角矩阵，且对角线上元素是协方差矩阵的特征值。

因此，选项A是正确的：将原随机向量的协方差阵变换成对角形阵。