Se analiza un enfoque novedoso para el control predictivo modelado (MPC) con un horizonte decreciente para guiar y controlar vehículos de lanzamiento reutilizables (RLVs) durante las fases de descenso propulsado. Los métodos convencionales de MPC suelen utilizar horizontes en retroceso, donde se calculan las entradas de control óptimas en intervalos de tiempo fijos. Sin embargo, cuando se aplican directamente, estos métodos pueden causar un comportamiento similar al de un vuelo estacionario, impidiendo que el vehículo alcance la plataforma de aterrizaje, ya que el tiempo de aterrizaje se pospone continuamente en cada iteración. La solución propuesta aborda este problema ajustando dinámicamente el horizonte de predicción, reduciendo su longitud con el tiempo. Este ajuste dinámico se impulsa mediante un factor de escalado temporal y el tiempo transcurrido desde la iteración anterior de MPC. Las soluciones de control óptimo se derivan a través de técnicas de optimización convexa. Para evaluar la robustez del algoritmo frente a condiciones iniciales, se realiza un análisis de Monte Carlo variando la posición inicial, la velocidad y la masa. Este método también puede utilizarse como una metodología viable para seleccionar parámetros de ajuste para el MPC y garantizar un aterrizaje exitoso y seguro para una amplia gama de condiciones iniciales.