Die Hauptkomponentenanalyse liefert neben den Hauptkomponenten auch die zugehörigen Varianzen zurück. Hauptkomponenten mit einer zugehörigen Varianz von null oder nahe null tragen nicht oder vernachlässigbar wenig zum Informationsgehalt der gesamten Datenmatrix bei. Deutlich wird dies, wenn die kumulierten Varianzen über der Anzahl der Hauptkomponenten aufgetragen werden. Am Beispiel der Varianzen der 2016 Hauptkomponenten der YaleFaces-Datenmatrix erhalten wir folgendes Ergebnis:

Der Abbildung ist zu entnehmen, dass vergleichsweise wenig Hauptkomponenten bzw. Eigengesichter ausreichend sind, um die Gesichter der Datenmatrix mit nur geringem Qualitätsverlust zu reproduzieren. Genauer analysieren werden wir dies im nachfolgenden Abschnitt.