How can this linear problem be infeasible?

Question

I have the following linear problem which is primal:

I have converted this problem to its dual and tried to solve using the lpSolveAPI in R programming language. However, the solve function returns a 2, which means the problem is infeasible. It is imposible, because the primal problem has an optimal solution, so the dual must have an optimal solution too.

Here is the code that I have written to solve the dual problem:

#Vector de costes
c2<-c(11,10)

#Matriz de restricciones
A2<-matrix(nrow=3,ncol=2)
A2[1,] <- c(1,2)
A2[2,] <- c(2,3)
A2[3,] <- c(3,2)

#Lados derechos
b2<-c(-2,-3,-4)

#Cotas inferiores y superiores
cotasinf<-c(Inf,Inf)
cotassup<-c(0,0)

#Tipos de restricciones
tipores2<-c("<=","<=","<=")

#Se crea problema de programacion lineal
#3 restricciones y 2 variables
ejercicio.2<-make.lp(3,2)

#######Se definen los parametros##########
#Matriz de restricciones
for (i in 1:nrow(A2)) set.row(ejercicio.2,i,A2[i,])

#Funcion objetivo
set.objfn(ejercicio.2,c2)

#Lados derechos
set.rhs(ejercicio.2,b2)

#Tipos de restricciones
set.constr.type(ejercicio.2,tipores2)

#Cotas inferiores y superiores de cada variable
set.bounds(ejercicio.2, lower = cotasinf)
set.bounds(ejercicio.2, upper = cotassup)

#Nombres de variables y restricciones
restrics2 <- c("restriccion.1", "restriccion.2", "restriccion.3")
vars2 <- c("x1", "x2", "x3", "x4")
dimnames(ejercicio.2) <- list(restrics2, vars2)

#Cambiando a problema de minimizacion
lp.control(ejercicio.2,sense="max")

#Se muestra el problema ya cargado
ejercicio.2

#Se resuelve el problema
solve(ejercicio.2)

#Se obtiene el valor de la funcion objetivo en el optimo
get.objective(ejercicio.2)