Este documento estudia el algoritmo PageRank de Google. Mediante una aplicación innovadora del método de pegado de cadenas de Markov, estudiamos las propiedades de las cadenas de Markov y ampliamos su aplicabilidad teniendo en cuenta el factor de amortiguación y el vector de personalización. Se investigarán muchas propiedades de las cadenas de Markov relacionadas con los espectros y los vectores propios de la matriz de transición, incluida la distribución estacionaria, la periodicidad y los estados persistentes y transitorios, así como parte del proceso de pegado. Utilizando la fórmula de pegado, es posible descomponer una red grande en algunas subredes, calcular su PageRank por separado y pegarlas juntas. La carga computacional puede reducirse.