以邻接矩阵和邻接表的方式存储连通图。然后分别用深度优先算法和广度优先算法遍历该连通图。

首先，我们需要了解一下邻接矩阵和邻接表的概念：

邻接矩阵：用一个二维数组来表示图中各个节点之间的关系，如果节点 i 与 j 之间有边相连，则矩阵中第 i 行第 j 列为 1，否则为 0。

邻接表：用一个链表数组来表示图中各个节点之间的关系，每个节点的邻居节点都记录在该节点的链表中。

接下来，我们可以按照以下步骤来遍历连通图：

1. 从任意一个节点开始遍历。

2. 将该节点标记为已访问。

3. 对于该节点的每一个没有访问过的邻居节点，递归执行步骤 2 和 3。

深度优先算法（DFS）：

1. 使用邻接表或邻接矩阵存储图。

2. 从任意一个未被访问的节点开始，递归地访问该节点的所有邻居节点。

3. 如果所有邻居节点都已被访问，则回溯到上一个节点，继续递归访问邻居节点。

4. 直到遍历完所有节点。

下面是以邻接表方式存储的 DFS 代码实现：

def DFS(node, visited, graph):
    visited[node] = True
    print(node, end=' ')
    for neighbor in graph[node]:
        if not visited[neighbor]:
            DFS(neighbor, visited, graph)

def traverse(graph):
    visited = [False] * len(graph)
    for i in range(len(graph)):
        if not visited[i]:
            DFS(i, visited, graph)

广度优先算法（BFS）：

1. 使用邻接表或邻接矩阵存储图。

2. 从任意一个未被访问的节点开始，将该节点加入队列。

3. 对于队列中的每个节点，访问其所有邻居节点，并将其邻居节点加入队列。

4. 将已访问过的节点出队列。

5. 直到遍历完所有节点。

下面是以邻接表方式存储的 BFS 代码实现：

from collections import deque

def BFS(start, visited, graph):
    queue = deque()
    queue.append(start)
    visited[start] = True
    while queue:
        node = queue.popleft()
        print(node, end=' ')
        for neighbor in graph[node]:
            if not visited[neighbor]:
                visited[neighbor] = True
                queue.append(neighbor)

def traverse(graph):
    visited = [False] * len(graph)
    for i in range(len(graph)):
        if not visited[i]:
            BFS(i, visited, graph)

注意：以上代码仅适用于连通图，如果图不连通，需要对每个连通分量都执行一次遍历操作。