⑴ 建立无向图的邻接矩阵存储； ⑵ 对建立的无向图，进行深度优先遍历；

⑴ 建立无向图的邻接矩阵存储：

无向图的邻接矩阵是一个 $n \times n$ 的矩阵，其中 $n$ 表示图中节点的数量，矩阵中的元素 $a_{i,j}$ 表示节点 $i$ 和节点 $j$ 之间是否有边相连，如果相连则为 1，否则为 0。由于是无向图，邻接矩阵是一个对称矩阵。

以下是通过 Python 代码实现无向图邻接矩阵的构建：

# 无向图邻接矩阵的构建
class Graph:
    def __init__(self, vertices):
        self.V = vertices
        self.graph = [[0]*self.V for _ in range(self.V)]
        
    def add_edge(self, u, v):
        self.graph[u][v] = 1
        self.graph[v][u] = 1

⑵ 对建立的无向图，进行深度优先遍历：

深度优先遍历（DFS）是一种图遍历算法，它先访问一个顶点，然后再依次访问该顶点的每个未访问过的邻居节点，直到所有的邻居节点都被访问过，才开始访问下一个未访问过的顶点。DFS 可以用递归或栈来实现。

以下是通过 Python 代码实现无向图的 DFS 遍历：

# 无向图的深度优先遍历
class Graph:
    def __init__(self, vertices):
        self.V = vertices
        self.graph = [[0]*self.V for _ in range(self.V)]
        
    def add_edge(self, u, v):
        self.graph[u][v] = 1
        self.graph[v][u] = 1
    
    def DFS(self, v, visited):
        visited[v] = True
        print(v, end=' ')
        
        for i in range(self.V):
            if not visited[i] and self.graph[v][i]:
                self.DFS(i, visited)
        
    def DFS_traversal(self, start):
        visited = [False] * self.V
        self.DFS(start, visited)

在以上代码中，DFS_traversal() 方法用于启动 DFS 遍历，start 表示遍历的起点。visited 数组用于记录每个节点是否被访问过，初始时所有节点均未被访问。DFS() 方法用于实现递归遍历，visited 数组用于标记已访问的节点，遍历到一个节点时将其标记为已访问，并输出该节点的编号。然后依次访问该节点的每个未访问过的邻居节点。