diff --git a/davydov_yuriy_lab_5/5.mp4 b/davydov_yuriy_lab_5/5.mp4
new file mode 100644
index 0000000..8d86fd4
Binary files /dev/null and b/davydov_yuriy_lab_5/5.mp4 differ
diff --git a/davydov_yuriy_lab_5/README.md b/davydov_yuriy_lab_5/README.md
new file mode 100644
index 0000000..79882c9
--- /dev/null
+++ b/davydov_yuriy_lab_5/README.md
@@ -0,0 +1,10 @@
+# Лабораторная работа №5 - Параллельное перемножение матриц
+
+## ПИбд-42 || Давыдов Юрий
+
+### Цель лабораторной работы
+
+Изучение принципов параллельных вычислений, а также определение случаев, когда их использование оправдано, а когда — нет.
+
+Описание:
+Был реализован механизм параллельного умножения матриц размером 100x100, 300x300 и 500x500 с возможностью задания количества потоков, включая один поток (для последовательного умножения). Были произведены замеры времени для каждого вычисления, проведен анализ результатов и сделаны соответствующие выводы.
diff --git a/davydov_yuriy_lab_5/main.py b/davydov_yuriy_lab_5/main.py
new file mode 100644
index 0000000..45b6d99
--- /dev/null
+++ b/davydov_yuriy_lab_5/main.py
@@ -0,0 +1,59 @@
+import random
+import time
+import multiprocessing
+import numpy as np
+
+# Генерация случайной матрицы
+def create_random_matrix(dim):
+    return [[random.randint(0, 10) for _ in range(dim)] for _ in range(dim)]
+
+# Умножение отдельной строки
+def compute_row_product(row_idx, mat_a, mat_b, output_mat):
+    dim = len(mat_a)
+    for col_idx in range(dim):
+        for k in range(dim):
+            output_mat[row_idx][col_idx] += mat_a[row_idx][k] * mat_b[k][col_idx]
+
+# Параллельное умножение матриц
+def parallel_matrix_multiplication(mat_a, mat_b, num_workers):
+    dim = len(mat_a)
+    result_matrix = [[0] * dim for _ in range(dim)]
+    
+    with multiprocessing.Pool(processes=num_workers) as pool:
+        pool.starmap(compute_row_product, [(i, mat_a, mat_b, result_matrix) for i in range(dim)])
+    
+    return result_matrix
+
+# Измерение времени выполнения
+def run_benchmark(dim, num_workers=1):
+    mat_a = create_random_matrix(dim)
+    mat_b = create_random_matrix(dim)
+
+    start_time = time.time()
+    parallel_matrix_multiplication(mat_a, mat_b, num_workers)
+    elapsed_time = time.time() - start_time
+
+    return elapsed_time
+
+def main():
+    # Размеры матриц
+    matrix_dimensions = [100, 300, 500]  
+    # Количество рабочих процессов
+    worker_counts = [1, 2, 4, 6, 8]
+    
+    # Печать таблицы с результатами
+    print("-*" * 40)
+    print(f"{'Количество процессов':<20}{'|100x100 (сек.)':<20}{'|300x300 (сек.)':<20}{'|500x500 (сек.)'}")
+    print("-*" * 40)
+    
+    for workers in worker_counts:
+        row = f"{workers:<20}"
+        
+        for dim in matrix_dimensions:
+            benchmark_time = run_benchmark(dim, workers)
+            row += f"|{benchmark_time:.4f}".ljust(20)
+        print(row)
+        print("-*" * 40)
+
+if __name__ == "__main__":
+    main()