V = [1,2,3,4] E = [(1,2),(2,1),(1,3),(2,3),(3,4),(4,3)] G = nx.DiGraph() G.add_edges_from(E)怎么求G的可达矩阵

可以使用 NetworkX 库中的 `floyd_warshall_numpy()` 函数来计算有向图 G 的可达矩阵。具体步骤如下：

1. 将有向图 G 转化为邻接矩阵形式；
2. 使用 `floyd_warshall_numpy()` 函数计算邻接矩阵的所有节点间最短路径；
3. 对于每个节点对 (i, j)，如果存在从节点 i 到节点 j 的路径，则将矩阵中对应位置的值设为 1，否则设为 0。

下面是具体的 Python 代码实现：

import numpy as np
import networkx as nx

# 定义有向图 G
V = [1, 2, 3, 4]
E = [(1, 2), (2, 1), (1, 3), (2, 3), (3, 4), (4, 3)]
G = nx.DiGraph()
G.add_edges_from(E)

# 将有向图 G 转化为邻接矩阵形式
A = nx.to_numpy_matrix(G, nodelist=V)

# 使用 floyd_warshall_numpy() 函数计算邻接矩阵的所有节点间最短路径
D = nx.floyd_warshall_numpy(G)

# 对于每个节点对 (i, j)，如果存在从节点 i 到节点 j 的路径，则将矩阵中对应位置的值设为 1，否则设为 0
R = np.zeros_like(A)
for i in range(len(V)):
    for j in range(len(V)):
        if D[i, j] < np.inf:
            R[i, j] = 1

print(R)

输出结果为：

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [0. 0. 1. 1.]
 [0. 0. 1. 1.]]

其中，矩阵中的第 i 行第 j 列表示节点 i 是否可以到达节点 j。因此，上述结果表示：

- 节点 1 可以到达所有节点；
- 节点 2 可以到达所有节点；
- 节点 3 可以到达节点 3 和 4；
- 节点 4 可以到达节点 3 和 4。