近十年来，并行处理技术，包括从硬件，系统软件到各类应用软件的发展速度越来越快，甚至连小型终端的移动手机，处理器等都推出了四核，八核甚至更多，而且还配上了图形图像处理器GPU。高性能计算机的不断发展，也极大的促进了各国在许多尖端科技领域技术的发展。一般情况，在处理具有大量并行任务的作业项目——蛋白质折叠、大气模拟、地质勘探和能源研究时，才会用到超级并行机。随着大数据和云计算的渐渐兴起和普及，越来越多的人们开始对并行处理技术发生兴趣。正是这些需求和兴趣，激励人们不断地去改进、创新和研发新的并行处理软硬件结构和计算方法，进而又不断促进高性能计算机的发展，可以说供需双方呈现出一种螺旋状的发展态势。　　本文首先在单台多核Linux平台上，完成了MPI环境下不同并行算法的矩阵相乘的性能对比分析，接着在GPU处理器和CPU处理器上分别进行了CUDA以及多线程Pthread矩阵相乘的实验，并且对比分析了两者的实验结果和数据；最后在由两节点组成的最小化Linux多核机群上实现了MPI+Pthread和MPI+CUDA两种混合并行矩阵相乘算法，并分析了这两种算法所带来的性能优势。在论文的总结部分针对上述实验结果，概括分析了所做工作的优点、局限性以及今后有待继续改进的努力方向。