设有一连通无向图，其顶点值为字符型并假设各值互不相等，采用邻接矩阵表示法存储表示。利用BFS算法求其广度优先生成树（从下标0的顶点开始遍历），并在遍历过程中输出广度优先生成树的每一条边。

在邻接矩阵表示的无向图中，我们可以使用广度优先搜索（BFS）算法来找到从给定起点（通常设为0）到其他所有节点的最短路径，并构建对应的广度优先生成树。BFS的基本思路是从起点开始，逐层访问邻居节点，直到遍历完整棵树。

以下是使用Python描述的BFS过程，包括输出边的过程：

from collections import deque

def bfs(graph, start=0):
    visited = [False] * len(graph)  # 标记已访问的节点
    queue = deque([start])  # 初始化队列
    result_edges = []  # 存储边的结果

    while queue:
        vertex = queue.popleft()  # 取出当前层的第一个节点
        visited[vertex] = True  # 标记为已访问

        for neighbor in range(len(graph)):  # 遍历邻居
            if graph[vertex][neighbor] and not visited[neighbor]:
                result_edges.append((vertex, neighbor))  # 添加边到结果
                queue.append(neighbor)  # 将未访问的邻居加入队列

    return visited, result_edges  # 返回访问状态和边列表

# 示例：
graph = [['0', '1', '1'],
         ['1', '0', '1'],
         ['1', '1', '0']]  # 这是一个3x3的邻接矩阵示例

visited, tree_edges = bfs(graph)

for edge in tree_edges:
    print(f"边({edge[0]}, {edge[1]})")  # 输出边的信息

在这个例子中，`bfs()`函数会返回一个布尔数组`visited`，表示每个节点是否被访问过，以及一个包含边的元组列表`tree_edges`，代表广度优先生成树中的边。你可以根据这个信息进一步分析树结构。