ndgrid函数几乎给出了答案，但有一个警告：n输出变量必须显式定义才能调用它。由于n是任意的，因此最好的方法是使用comma-separated list（由n单元的单元阵列生成）作为输出。然后将得到的n矩阵连接成所需的n列矩阵：

vectors = { [1 2], [3 6 9], [10 20] }; %// input data: cell array of vectors

n = numel(vectors); %// number of vectors
combs = cell(1,n); %// pre-define to generate comma-separated list
[combs{end:-1:1}] = ndgrid(vectors{end:-1:1}); %// the reverse order in these two
%// comma-separated lists is needed to produce the rows of the result matrix in
%// lexicographical order 
combs = cat(n+1, combs{:}); %// concat the n n-dim arrays along dimension n+1
combs = reshape(combs,[],n); %// reshape to obtain desired matrix

简单一点...如果你有神经网络工具箱，你可以简单地使用combvec：

vectors = {[1 2], [3 6 9], [10 20]};
combs = combvec(vectors{:}).' % Use cells as arguments

它以稍微不同的顺序返回一个矩阵：

combs =

     1     3    10
     2     3    10
     1     6    10
     2     6    10
     1     9    10
     2     9    10
     1     3    20
     2     3    20
     1     6    20
     2     6    20
     1     9    20
     2     9    20

如果你想要问题中的矩阵，你可以使用sortrows：

combs = sortrows(combvec(vectors{:}).')
% Or equivalently as per @LuisMendo in the comments: 
% combs = fliplr(combvec(vectors{end:-1:1}).')

这给

combs =

     1     3    10
     1     3    20
     1     6    10
     1     6    20
     1     9    10
     1     9    20
     2     3    10
     2     3    20
     2     6    10
     2     6    20
     2     9    10
     2     9    20

如果您查看combvec的内部（在命令窗口中键入edit combvec），您将看到它使用的代码与@LuisMendo的答案不同。我不能说哪一个更有效率。
如果你碰巧有一个矩阵，它的行类似于前面的单元数组，你可以用途：

vectors = [1 2;3 6;10 20];
vectors = num2cell(vectors,2);
combs = sortrows(combvec(vectors{:}).')

我已经对这两个提议的解决方案做了一些基准测试。基准测试代码基于timeit function，并包含在本文的末尾。
我考虑两种情况：三个大小为n的向量，以及三个大小分别为n/10、n和n*10的向量（两种情况给予相同的组合数目）。n为240（我选择这个值是为了避免在笔记本电脑中使用虚拟内存）。
结果如下图所示。基于ndgrid的解决方案始终比combvec耗时更少。同样有趣的是，combvec所花费的时间在不同大小的情况下变化得不那么规律。

基准代码

基于ndgrid的解决方案的功能：

function combs = f1(vectors)
n = numel(vectors); %// number of vectors
combs = cell(1,n); %// pre-define to generate comma-separated list
[combs{end:-1:1}] = ndgrid(vectors{end:-1:1}); %// the reverse order in these two
%// comma-separated lists is needed to produce the rows of the result matrix in
%// lexicographical order
combs = cat(n+1, combs{:}); %// concat the n n-dim arrays along dimension n+1
combs = reshape(combs,[],n);

combvec解决方案的功能：

function combs = f2(vectors)
combs = combvec(vectors{:}).';

通过在这些函数上调用timeit来测量时间的脚本：

nn = 20:20:240;
t1 = [];
t2 = [];
for n = nn;
    %//vectors = {1:n, 1:n, 1:n};
    vectors = {1:n/10, 1:n, 1:n*10};
    t = timeit(@() f1(vectors));
    t1 = [t1; t];
    t = timeit(@() f2(vectors));
    t2 = [t2; t];
end

这里有一个自己动手的方法，让我高兴地咯咯笑，使用nchoosek，虽然它 * 不 * 比@Luis Mendo的公认解决方案更好。
对于给定的示例，在运行1，000次后，该解决方案平均花费了我的机器0.00065935 s，而接受的解决方案为0.00012877 s。对于较大的向量，根据@Luis Mendo的基准测试帖子，这个解决方案始终比公认的答案慢。尽管如此，我还是决定把它贴出来，希望你能从中找到一些有用的东西：

验证码：

tic;
v = {[1 2], [3 6 9], [10 20]};

L = [0 cumsum(cellfun(@length,v))];
V = cell2mat(v);

J = nchoosek(1:L(end),length(v));
J(any(J>repmat(L(2:end),[size(J,1) 1]),2) | ...
  any(J<=repmat(L(1:end-1),[size(J,1) 1]),2),:)  = [];

V(J)
toc

给

ans =

 1     3    10
 1     3    20
 1     6    10
 1     6    20
 1     9    10
 1     9    20
 2     3    10
 2     3    20
 2     6    10
 2     6    20
 2     9    10
 2     9    20

Elapsed time is 0.018434 seconds.

说明：

L使用cellfun获取每个向量的长度。虽然cellfun基本上是一个循环，但考虑到向量的数量必须相对较低，因此它在这里是有效的。
V连接所有向量，以便稍后访问（这假设您将所有向量输入为行。v'将适用于列向量。）
nchoosek获取从元素总数L(end)中挑选n=length(v)元素的所有方法。这里的组合会比我们需要的多

J =

 1     2     3
 1     2     4
 1     2     5
 1     2     6
 1     2     7
 1     3     4
 1     3     5
 1     3     6
 1     3     7
 1     4     5
 1     4     6
 1     4     7
 1     5     6
 1     5     7
 1     6     7
 2     3     4
 2     3     5
 2     3     6
 2     3     7
 2     4     5
 2     4     6
 2     4     7
 2     5     6
 2     5     7
 2     6     7
 3     4     5
 3     4     6
 3     4     7
 3     5     6
 3     5     7
 3     6     7
 4     5     6
 4     5     7
 4     6     7
 5     6     7

由于v(1)中只有两个元素，因此我们需要丢弃任何J(:,1)>2的行。类似地，其中J(:,2)<3、J(:,2)>5等.使用L和repmat，我们可以确定J的每个元素是否在其适当的范围内，然后使用any丢弃包含任何坏元素的行。
最后，这些不是来自v的实际值，只是索引。V(J)将返回所需的矩阵。