Mi favorito uso de ultrafilters es para la definición de ultralimits. La página de la wikipedia explica bastante bien, pero básicamente te permite extender la noción de convergencia de las secuencias de los números reales, por ejemplo), de tal manera que cada delimitada secuencia converge, y estos límites de respeto sumas.
Usted puede utilizar ultralimits para hacer afirmaciones precisas como "exactamente la mitad de los números enteros no son uniformes, y un tercio de ellos son múltiplos de tres". Usted puede hacer esto mediante la definición de una "medida" μ sobre los enteros con las siguientes propiedades:
μ es una función de conjuntos de números enteros a [0,1]
μ(Z)=1
μ(A∪B)=μ(A)+μ(B) para distintos conjuntos de A,B⊂Z
μ es la traducción de todos los idiomas, es decir μ(A)=μ(n+A) todos los n∈Z
Esta medida se mide la "proporción" de cada subconjunto de Z. Para definir esto, nos gustaría hacer algo como la toma de la proporción de mayores intervalos que forman parte del conjunto:
μ(A)=lim
Esto funciona bien para tener el conjunto de los números pares se \frac{1}{2}, pero este límite no siempre existen (por ejemplo, si A es el conjunto de números cuyo primer dígito es 1).
Así, la solución: Utilizar un ultrafilter! Escoge un ultrafilter, y el uso de la correspondiente ultralimit en lugar del límite de la definición anterior de \mu. Ahora converge para todos los A, ya que cada secuencia de números en [0,1] converge en un ultralimit! La invariancia bajo la traducción es bastante fácil de ver, y la aditividad finita de la siguiente manera a partir de la suma de ultralimits. Así que hemos definido a algo muy cercano a una uniforme distribución de probabilidad sobre los números enteros, y todo lo que tomó fue el axioma de elección.
En realidad se puede hacer este truco para formar una medida sobre cualquier grupo que es susceptible, pero entrar en una discusión de estos grupos probablemente sería ir un poco off-topic aquí.