Пусть даны два центрированных нормальных вектора:

Мне нужно хорошо оценить сверху их скалярное произведение:

. Рассуждаю так:

Тогда

Нигде не ошибся? Если нет -- то есть два вопроса:
1. Оценка

в моём случае достаточно грубая, поскольку вероятность того, что равенство будет достигаться сильно падает с ростом длины вектора. Какие есть предложения?
2. Если в первом вопросе ничего нельзя придумать, как хорошо оценить

?
Заранее благодарен!
P.S. Возможно есть другой подход для оценки

?
Я тут ещё подумал, что если

, то

,

и
