diff --git a/artamonova_tatyana_lab_5/README.md b/artamonova_tatyana_lab_5/README.md
new file mode 100644
index 0000000..a796aa2
--- /dev/null
+++ b/artamonova_tatyana_lab_5/README.md
@@ -0,0 +1,36 @@
+
+# Лабораторная работа №5 ПИбд-42 Артамоновой Татьяны
+
+## Запуск лабораторной работы
+
+1. Установить библиотеки Python и NumPy
+3. Запустить скрипт matrix.py с помощью команды: *python matrix.py*
+
+## Используемые технологии
+
+- Язык программирования: Python
+- Библиотеки:
+  * numpy: Для работы с массивами и матрицами
+  * multiprocessing: Для параллельного выполнения кода
+  * time: Для измерения времени выполнения
+
+## Задание на лабораторную работу
+
+**Кратко:** реализовать умножение двух больших квадратных матриц.
+
+**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 умножение 
+элементов матрицы в рамках своей зоны ответственности.
+
+## Результаты
+
+![Результат работы](images/results.png)
+
+## Вывод
+
+Результаты показывают, что для маленьких матриц последовательное умножение быстрее. 
+Оптимальное количество потоков близко к количеству ядер процессора. Увеличение количества потоков сверх 
+оптимального значения не всегда ускоряет вычисления. Параллелизм эффективнее для больших матриц.
+
+### [Видео](https://vk.com/video212084908_456239362)
diff --git a/artamonova_tatyana_lab_5/images/results.png b/artamonova_tatyana_lab_5/images/results.png
new file mode 100644
index 0000000..e7cc764
Binary files /dev/null and b/artamonova_tatyana_lab_5/images/results.png differ
diff --git a/artamonova_tatyana_lab_5/matrix.py b/artamonova_tatyana_lab_5/matrix.py
new file mode 100644
index 0000000..b8420d5
--- /dev/null
+++ b/artamonova_tatyana_lab_5/matrix.py
@@ -0,0 +1,93 @@
+import time
+import multiprocessing
+import numpy as np
+
+def multiply_matrices_sequential(matrix1, matrix2):
+    rows1 = len(matrix1)
+    cols1 = len(matrix1[0])
+    rows2 = len(matrix2)
+    cols2 = len(matrix2[0])
+
+    if cols1 != rows2:
+        raise ValueError("Число столбцов первой матрицы должно быть равно числу строк второй матрицы.")
+
+    result = [[0 for _ in range(cols2)] for _ in range(rows1)]
+    for i in range(rows1):
+        for j in range(cols2):
+            for k in range(cols1):
+                result[i][j] += matrix1[i][k] * matrix2[k][j]
+    return result
+
+def multiply_matrices_parallel(matrix1, matrix2, num_processes):
+    rows1 = len(matrix1)
+    cols1 = len(matrix1[0])
+    rows2 = len(matrix2)
+    cols2 = len(matrix2[0])
+
+    if cols1 != rows2:
+        raise ValueError("Число столбцов первой матрицы должно быть равно числу строк второй матрицы.")
+
+    chunk_size = rows1 // num_processes
+    processes = []
+    results = []
+
+    with multiprocessing.Pool(processes=num_processes) as pool:
+        for i in range(num_processes):
+            start_row = i * chunk_size
+            end_row = (i + 1) * chunk_size if i < num_processes - 1 else rows1
+            p = pool.apply_async(multiply_matrix_chunk, (matrix1, matrix2, start_row, end_row))
+            processes.append(p)
+
+        for p in processes:
+            results.append(p.get())
+
+    result = [[0 for _ in range(cols2)] for _ in range(rows1)]
+    row_index = 0
+    for sub_result in results:
+        for row in sub_result:
+            result[row_index] = row
+            row_index += 1
+
+    return result
+
+
+def multiply_matrix_chunk(matrix1, matrix2, start_row, end_row):
+    rows2 = len(matrix2)
+    cols2 = len(matrix2[0])
+    cols1 = len(matrix1[0])
+    result = [[0 for _ in range(cols2)] for _ in range(end_row - start_row)]
+    for i in range(end_row - start_row):
+        for j in range(cols2):
+            for k in range(cols1):
+                result[i][j] += matrix1[i + start_row][k] * matrix2[k][j]
+    return result
+
+
+def benchmark(matrix_size, num_processes):
+  matrix1 = np.random.rand(matrix_size, matrix_size).tolist()
+  matrix2 = np.random.rand(matrix_size, matrix_size).tolist()
+
+  try:
+    start_time = time.time()
+    sequential_result = multiply_matrices_sequential(matrix1, matrix2)
+    end_time = time.time()
+    sequential_time = end_time - start_time
+
+    start_time = time.time()
+    parallel_result = multiply_matrices_parallel(matrix1, matrix2, num_processes)
+    end_time = time.time()
+    parallel_time = end_time - start_time
+    return sequential_time, parallel_time
+  except ValueError as e:
+    print(f"Ошибка бенчмарка с размером матрицы {matrix_size} и {num_processes} процессов: {e}")
+    return float('inf'), float('inf')
+
+
+if __name__ == "__main__":
+  sizes = [100, 300, 500]
+  num_processes = int(input("Введите количество потоков: "))
+  print("Размер | Последовательно | Параллельно")
+
+  for size in sizes:
+    sequential_time, parallel_time = benchmark(size, num_processes)
+    print(f"{size:6} | {sequential_time:.4f} с \t | {parallel_time:.4f} с")