Este documento proporciona un estudio sobre problemas de predicción óptima en un modelo lineal y sus modelos de submuestra con restricciones estocásticas lineales, utilizando la teoría de matrices para soluciones analíticas precisas. Se centra en derivar expresiones analíticas utilizando métodos de inercia de matrices de bloque y rango para determinar cuál de los mejores predictores lineales no sesgados (BLUPs) de un vector general de parámetros desconocidos es superior a otros bajo un modelo lineal con restricciones estocásticas y sus modelos de submuestra. Además, este estudio examina los resultados comparativos de los mejores estimadores lineales no sesgados de parámetros desconocidos. Las comparaciones en el estudio se basan en el criterio de la matriz de error cuadrático medio (MSEM). Finalmente, se presenta un ejemplo numérico para ilustrar los resultados teóricos.