最近，已经开发了许多统一的学习算法来解决主成分分析（PCA）和次要成分分析（MCA）的任务。 这些统一的算法可用于提取主成分，如果仅通过符号进行更改，它也可以用作次要成分提取器。 这在算法的实现中具有实际意义。 仅在算法的学习率接近零的情况下，才能保证现有统一算法的收敛性，这在许多实际应用中是不切实际的。 在本文中，我们提出了一种具有恒定学习率的统一PCA和MCA算法，并通过分析该算法的离散时间动态来得出充分的条件以保证收敛。 所获得的理论结果为我们提出的算法的应用奠定了坚实的基础。