对于矩阵-矩阵乘积，i,j,k索引的任何排列都可以顺序地计算正确的结果。并行计算就不是这样了。在原始代码中，k迭代不会写入唯一的位置，因此您不能只折叠外部两个循环。执行k,j交换，然后它 * 是 * 允许的。
当然，OpenMP可以让你从一个内核的5%效率提升到所有内核的5%。你真的想阻止循环。但这要困难得多。请参阅后藤和货车de Geijn的论文。

我添加了一些与主矩阵相关的内容。您是否使用此代码将两个更大的矩阵相乘？然后其中一个子矩阵在不同的迭代之间重用，并可能受益于CPU缓存。例如，如果一个矩阵有4个子矩阵，则每个子矩阵使用两次，以获得结果矩阵的值。
为了从缓存中获得最大的好处，重用的数据应该保存在同一个线程（内核）的缓存中。要做到这一点，也许最好将工作分配级别移动到选择两个子矩阵的位置。
所以，事情是这样的：

select sub-matrix A
    #pragma omp parallel for
    select sub-matrix B
    for(size_t i = 0; i < matrixA.m_edgeSize; i++) {
        for(size_t k = 0; k < matrixA.m_edgeSize; k++) {
            for(size_t j = 0; j < matrixA.m_edgeSize; j++) {
                resultMatrix(i, j) += matrixA(i, k) * matrixB(k, j);
            }
        }
    }

可以更快地工作，因为整个数据总是停留在同一线程（核心）中。