Markovovy řetězce představují speciální typ náhodných procesů, které slouží pro popis chování náhodných jevů probíhajících v čase. V případě Markovových řetězců se pak jedná o náhodný proces bez paměti: stav systému v budoucnu závisí pouze na současném stavu a nikoli na minulosti systému. Tato vlastnost má některé důležité důsledky, mimo jiné umožňuje za určitých podmínek určit rozdělení pravděpodobností stavů při ustálení řetězce, tzv. stacionární rozdělení. Tento učební text představuje úvod do teorie Markovových řetězců s diskrétním a spojitým časem, zmiňuje některé jejich důležité speciální případy (absorpční a skryté Markovovy řetězce, Markovovy řetězce s výnosy) a věnuje se též jejich aplikacím při simulacích (Monte Carlo Markov Chains) nebo v teorii hromadné obsluhy.