Para predecir y recomendar lo que los usuarios desean, se requiere la información de los usuarios, y se necesita más información para mejorar el rendimiento del sistema de recomendación. A medida que los dispositivos IoT y los teléfonos inteligentes han hecho posible conocer el contexto del usuario, han surgido sistemas de recomendación conscientes del contexto para predecir preferencias considerando el contexto del usuario. Un sistema de recomendación consciente del contexto utiliza información contextual como el tiempo, el clima y la ubicación para predecir preferencias. Sin embargo, las preferencias de un usuario no siempre son las mismas en un contexto dado. Pueden seguir tendencias o tomar decisiones diferentes debido a cambios en su entorno personal. Por lo tanto, en este documento, proponemos un sistema de recomendación consciente del contexto que considera el cambio en las preferencias de los usuarios con el tiempo. El método propuesto es un sistema de recomendación consciente del contexto que utiliza Factorización de Matrices con una matriz de transición de preferencias para capturar y reflejar los cambios en las preferencias de los usuarios. Para evaluar el rendimiento del método propuesto, comparamos el rendimiento con el sistema de recomendación tradicional, el sistema de recomendación consciente del contexto y el sistema de recomendación dinámico, y confirmamos que el rendimiento del método propuesto es mejor que los métodos existentes.