Existe um erro de concepção nos desenhos, por isso a confusão. No terceiro desenho, os objetos foram redimensionados quando não deveriam ter sido.
Nas lentes cropadas, o círculo de imagem formado é exatamente do tamanho aproveitado pelo sensor. Com o círculo de imagem menor, estas lentes podem ser menores e mais leves do que as lentes feitas para o formato full frame
Tomei a liberdade de refazer o desenho
No segundo desenho, dá para ver que grande parte do círculo de imagem não é aproveitado. Já no terceiro, equivalente a uma lente específica para o sensor cropado, o círculo
de imagem (que não ficou lá muito circular, mas serve para exemplo) é menor. No entanto, a imagem captada pelo sensor é exatamente a mesma que a captada quando se usa uma lente para sensores FF.
Espero ter ajudado.
Abçs