TruncatedSVDは、PCAよりもスパースな行列に有利（？）な理由

テーマ、知りたいこと

sklearnのTruncatedSVDのドキュメントによると、
リンク内容https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.TruncatedSVD.html

"PCA（主成分分析）とは異なり、この推定器は特異値分解を計算する前にデータをセンタリングしない。つまり、疎な行列を効率的に扱うことができる"
と記載されていますが、なぜこう言えるのでしょうか？
直感的にわかる説明や、資料、書籍があれば教えていただきたいです。

みんなに聞きたいこと、知りたいことを簡潔に書いてください。

背景、状況

MLで次元圧縮手法を学習している中で上記の疑問にぶつかりました。