写出可以直接在matlab2014中运行的代码，用牛顿法求解无约束优化问题：min f(x)＝100(x1^2-x2)^2+(x1-1)^2，x属于R^2，终止准则取||发f（x^k）||<=10^(-5)

以下是可以在Matlab 2014中运行的代码，使用牛顿法求解无约束优化问题：

function [x, fval, exitflag, output] = newton_method()

% Initialize variables
x = [-1; 1];
f = @(x) 100*(x(1)^2 - x(2))^2 + (x(1) - 1)^2;
grad_f = @(x) [400*x(1)*(x(1)^2 - x(2)) + 2*(x(1) - 1); -200*(x(1)^2 - x(2))];
hess_f = @(x) [1200*x(1)^2-400*x(2)+2, -400*x(1); -400*x(1), 200];
fval = f(x);
grad_norm = norm(grad_f(x));
exitflag = 1;
output.iterations = 0;

% Set termination tolerance
tolerance = 1e-5;

% Main loop
while grad_norm > tolerance
    
    % Update iteration count
    output.iterations = output.iterations + 1;
    
    % Compute search direction and step size
    d = -inv(hess_f(x))*grad_f(x);
    alpha = 1;
    
    % Backtracking line search
    while f(x + alpha*d) > f(x) + 1e-4*alpha*grad_f(x)'*d
        alpha = alpha/2;
    end
    
    % Update x and fval
    x = x + alpha*d;
    fval = f(x);
    grad_norm = norm(grad_f(x));
    
end

% Check if solution is optimal
if output.iterations >= 1000
    exitflag = 0;
end

end

该函数使用函数句柄定义了目标函数、梯度和海森矩阵。在循环中，使用牛顿法更新解并计算梯度范数，直到满足终止准则为止。在每次迭代中，使用回溯线搜索确定步长。最后，函数返回找到的最小值、解、退出标志和输出信息（包括迭代次数）。