scipy.linalg.svdとscipy.sparse.linalg.svdsの特異ベクトルの値が違う

Question

行列Xをscipy.sparse.linalg.svdsで計算した特異ベクトルが、scipy.linalg.svdで計算した特異ベクトルに含まれていないのですが、これは何故でしょうか？

# -*- coding: utf-8 -*-
import numpy as np
from scipy.sparse.linalg import svds
from scipy.linalg import svd

X=np.array([[-3.25,-0.5],[-1.25 ,1.5 ],[2.75,-1.5],[1.75,0.5]],dtype=np.float64)

random_state_ = np.random.RandomState(0)
v0 = random_state_.randn(min(X.shape))

U1,Sigma1,VT1=svd(X)
U2,Sigma2,VT2=svds(X, k=1, tol=0.0, v0=v0)

print(VT1)
"""
[[ 0.98241359 -0.18671779]
 [-0.18671779 -0.98241359]]
"""

print(VT2)
"""
[[-0.98241359  0.18671779]]
"""

Answer 1

Scipy公式：It is not possible to compute all eigenvectors of a matrix.