En esta contribución se considera el ajuste de una línea recta a datos de puntos 3D, con coordenadas cartesianas , , como observaciones sujetas a errores aleatorios. Ya se presentó una solución directa para el caso de componentes de coordenadas igualmente ponderadas y no correlacionadas hace casi cuarenta años. Para casos de ponderación más general, se han propuesto algoritmos iterativos, por ejemplo, mediante un modelo Gauss-Helmert (GH) linealizado de forma iterativa, en la literatura. En esta investigación, se deriva una nueva solución directa para el caso de pesos por punto. En la terminología de mínimos cuadrados totales (TLS), esta solución es un enfoque directo de mínimos cuadrados totales ponderados (WTLS). Para el caso de ponderación más general, considerando una matriz de dispersión completa de las observaciones que incluso puede ser singular en cierta medida, se desarrolla una nueva solución iterativa basada en el método de iteración ordinario. Este último es un nuevo algoritmo iterativo WTLS, ya que no se realiza ninguna linearización del problema mediante series de Taylor en ningún paso. Utilizando un ejemplo numérico, se demuestra cómo se pueden aplicar los enfoques WTLS recién desarrollados para el ajuste de una línea recta 3D considerando diferentes casos de ponderación. Las soluciones se comparan con los resultados de la literatura y con los obtenidos de un modelo GH linealizado de forma iterativa.