生成以下函数的图像，其中p分别取0.1、0.3、0.5、0.7、0.9 h=0:10:40; A=10400; H=20; Lambda=0.9; F=(2pA)/(1+sqrt(1+4Lambda(1+Lambda)*(h/H)^6));

这段代码定义了一个函数 `F`，它的参数包括 `h`（离散的点在0到40之间，步长为10），`A`（常数10400）、`H`（另一个常数20）以及 `Lambda`（取值为0.9）。这个函数计算的是在给定条件下的某个概率密度函数，看起来像是指数分布或类似形式。

要生成不同 `p` 值下函数图象的系列，你可以创建一个循环，依次设置 `p` 的值为0.1, 0.3, 0.5, 0.7, 和 0.9，然后绘制每种情况下函数 `F` 关于 `h` 的图像。下面是相应的MATLAB代码：

% 定义变量
h = 0:10:40; % x轴范围
A = 10400;
H = 20;
p_values = [0.1, 0.3, 0.5, 0.7, 0.9]; % 不同p值

% 创建一个figure用于保存所有图像
figure('Position', [100 100 800 600], 'Name', 'Probability Density Functions for Different p');

for i = 1:length(p_values)
    Lambda = p_values(i); % 当前p值对应的Lambda
    F_i = (2*p_values(i)*A) / (1 + sqrt(1 + 4*Lambda*(1+Lambda)*(h/H)^6)); % 计算当前p值的F值
    subplot(length(p_values), 1, i) % 设置子图
    plot(h, F_i, '-o') % 绘制函数图形，使用线型 '-' 和标记 'o'
    xlabel('h'); % x轴标签
    ylabel('f(h)'); % y轴标签
    title(sprintf('p = %.1f', p_values(i))) % 标题显示当前p值
end

% 显示图像
show

运行这段代码后，你应该会看到一系列关于 `h` 的函数图像，每个图像代表 `p` 取不同值时的概率密度函数。