diff --git a/tukaeva_alfiya_lab_6/README.md b/tukaeva_alfiya_lab_6/README.md
new file mode 100644
index 0000000..4e3d5a5
--- /dev/null
+++ b/tukaeva_alfiya_lab_6/README.md
@@ -0,0 +1,29 @@
+# Лабораторная работа №6 - Определение детерминанта матрицы с помощью параллельных вычислений
+
+## Задание
+
+* Кратко: реализовать нахождение детерминанта квадратной матрицы. Что такое детерминант матрицы (или определитель) можно посмотреть по ссылке.
+
+* Подробно: в лабораторной работе требуется сделать два алгоритма: обычный и параллельный (задание со * - реализовать это в рамках одного алгоритма). В параллельном алгоритме предусмотреть ручное задание количества потоков (число потоков = 1 как раз и реализует задание со *), каждый из которых будет выполнять нахождение отдельной группы множителей.
+
+
+## Работа программы:
+
+ 1. Инициализирует три матрицы размером 100x100, 300x300 и 500x500 со случайными значениями.
+
+ 2. det(matrix) реализует алгоритм Гаусса для нахождения детерминанта квадратной матрицы.  
+
+ 3. parallel_det(matrix, num_threads=1) использует пул потоков для ускорения вычислений. Для каждой строки матрицы создается поток, который обрабатывает все строки под ней, применяя необходимые преобразования.
+
+
+### Результат:
+
+![](result.png "")
+
+### Вывод:
+
+Параллельные вычисления могут значительно ускорить процесс нахождения детерминанта, особенно когда речь идет о больших матрицах. Тем не менее, иногда результаты вычисленного детерминанта могут различаться между последовательным и параллельным подходами.
+
+
+# Видео
+https://vk.com/video230744264_456239110?list=ln-LZEUeze0D4JCSQZ4LK
diff --git a/tukaeva_alfiya_lab_6/project/main.py b/tukaeva_alfiya_lab_6/project/main.py
new file mode 100644
index 0000000..adacac0
--- /dev/null
+++ b/tukaeva_alfiya_lab_6/project/main.py
@@ -0,0 +1,117 @@
+import random
+import time
+import copy
+from multiprocessing import Pool
+import concurrent.futures
+from copy import deepcopy
+
+
+class Matrix:
+    def __init__(self) -> None:
+        self.matrix_100 = [[0] * 100 for _ in range(100)]
+        self.matrix_300 = [[0] * 300 for _ in range(300)]
+        self.matrix_500 = [[0] * 500 for _ in range(500)]
+
+    def str_matrix(self, type_list: str):
+        _str = ""
+
+        current_matrix = getattr(self, type_list)
+
+        for i in range(len(current_matrix)):
+            _str += "[ "
+
+            for j in range(len(current_matrix[0])):
+                _str += str(current_matrix[i][j]) + " "
+
+            _str += " ]\n"
+
+        return _str
+
+
+def init_matrix(matrix: Matrix, size: int):
+    for i in range(size):
+        for j in range(size):
+            matrix.__dict__[f"matrix_{size}"][i][j] = random.randint(0, 5)
+
+
+def parallel_det(matrix, num_threads=1):
+    n = len(matrix)
+    m = deepcopy(matrix)
+    det_value = 1
+
+    for i in range(n):
+        if m[i][i] == 0:
+            for j in range(i + 1, n):
+                if m[j][i] != 0:
+                    m[i], m[j] = m[j], m[i]
+                    det_value *= -1
+                    break
+            else:
+                return 0
+
+        with concurrent.futures.ThreadPoolExecutor(max_workers=num_threads) as executor:
+            futures = [executor.submit(process_row, i, j, m, n) for j in range(i + 1, n)]
+            concurrent.futures.wait(futures)
+
+        det_value *= m[i][i]
+        m = [list(row) for row in m]  # Обновляем строки матрицы
+
+    return det_value
+
+
+def process_row(i, j, m, n):
+    factor = m[j][i] / m[i][i]
+    for k in range(i, n):
+        m[j][k] -= factor * m[i][k]
+    return m[j]
+
+
+def det(matrix):
+    n = len(matrix)
+    m = [row[:] for row in matrix]
+    det_value = 1
+
+    for i in range(n):
+        if m[i][i] == 0:
+            for j in range(i + 1, n):
+                if m[j][i] != 0:
+                    m[i], m[j] = m[j], m[i]
+                    det_value *= -1
+                    break
+            else:
+                return 0
+
+        for j in range(i + 1, n):
+            factor = m[j][i] / m[i][i]
+            for k in range(i, n):
+                m[j][k] -= factor * m[i][k]
+
+        det_value *= m[i][i]
+
+    return det_value
+
+
+def benchmark():
+    matrix = Matrix()
+    init_matrix(matrix, 100)
+    init_matrix(matrix, 300)
+    init_matrix(matrix, 500)
+
+    sizes = [100, 300, 500]
+    for size in sizes:
+        current_matrix = getattr(matrix, f'matrix_{size}')
+
+        start_time = time.time()
+        seq_result = det(current_matrix)
+        seq_time = time.time() - start_time
+        print(f"Последовательный детерминант {size}x{size}: {seq_result}, Время: {seq_time:.6f}с")
+
+
+        start_time = time.time()
+        par_result = parallel_det(current_matrix, num_threads=4)  # Измените число потоков по необходимости
+        par_time = time.time() - start_time
+        print(f"Параллельный детерминант {size}x{size}: {par_result}, Время: {par_time:.6f}с")
+
+
+if __name__ == "__main__":
+    benchmark()
diff --git a/tukaeva_alfiya_lab_6/result.png b/tukaeva_alfiya_lab_6/result.png
new file mode 100644
index 0000000..c5c61fc
Binary files /dev/null and b/tukaeva_alfiya_lab_6/result.png differ