这道题是要求用邻接矩阵存储下图，顶点下标从0开始，顶点按字母顺序存储。给定遍历的起始顶点后，分别打印输出深度优先搜索（DFS）和广度优先搜索（BFS）的结果。

好的，让我们先看一下这张图：

    A
   / \
  B   C
 / \   \
D   E   F

首先，我们需要将这张图转换为邻接矩阵。由于顶点按字母顺序存储，我们可以按照如下方式定义顶点的编号：

A -> 0
B -> 1
C -> 2
D -> 3
E -> 4
F -> 5

然后，我们可以使用一个6x6的二维数组来表示邻接矩阵。如果两个顶点之间有边相连，则在对应的数组元素中将其值设为1；否则设为0。对于这张图，邻接矩阵如下：

  0 1 2 3 4 5
0 0 1 1 0 0 0
1 1 0 0 1 1 0
2 1 0 0 0 0 1
3 0 1 0 0 0 0
4 0 1 0 0 0 0
5 0 0 1 0 0 0

接下来，我们可以使用深度优先搜索（DFS）和广度优先搜索（BFS）算法来遍历这张图。

深度优先搜索的基本思想是从起始顶点开始，尽可能深地探索每个分支。具体实现时，我们可以使用递归或栈来保存每个顶点的状态。下面是使用递归实现的伪代码：

// visited数组记录每个顶点是否已经被访问过
// adjMatrix是邻接矩阵
DFS(start, visited, adjMatrix):
    visited[start] = true
    print(start)
    for i = 0 to n-1:
        if adjMatrix[start][i] == 1 and visited[i] == false:
            DFS(i, visited, adjMatrix)

其中，start表示起始顶点的编号，visited是一个布尔型数组，记录每个顶点是否已经被访问过。adjMatrix是邻接矩阵，n是顶点的个数。

对于这张图，如果我们从顶点A开始遍历，那么深度优先搜索的结果如下：

A -> B -> D -> E -> C -> F

接下来，我们可以使用广度优先搜索（BFS）算法来遍历这张图。BFS的基本思想是从起始顶点开始，逐层扩展，先访问离起始顶点最近的顶点。具体实现时，我们可以使用队列来保存每个顶点的状态。下面是使用队列实现的伪代码：

// visited数组记录每个顶点是否已经被访问过
// adjMatrix是邻接矩阵
BFS(start, visited, adjMatrix):
    queue.enqueue(start)
    visited[start] = true
    while queue is not empty:
        current = queue.dequeue()
        print(current)
        for i = 0 to n-1:
            if adjMatrix[current][i] == 1 and visited[i] == false:
                queue.enqueue(i)
                visited[i] = true

其中，start表示起始顶点的编号，visited是一个布尔型数组，记录每个顶点是否已经被访问过。adjMatrix是邻接矩阵，n是顶点的个数。

对于这张图，如果我们从顶点A开始遍历，那么广度优先搜索的结果如下：

A -> B -> C -> D -> E -> F

希望这个例子能够帮助你理解如何使用邻接矩阵存储图，并且使用深度优先搜索和广度优先搜索算法遍历图。