以下是一个示例代码，可以找到两个不同长度数组的最长公共子序列：

def longest_common_subsequence(arr1, arr2):
    m = len(arr1)
    n = len(arr2)
    dp = [[0] * (n+1) for _ in range(m+1)]
    
    for i in range(1, m+1):
        for j in range(1, n+1):
            if arr1[i-1] == arr2[j-1]:
                dp[i][j] = dp[i-1][j-1] + 1
            else:
                dp[i][j] = max(dp[i-1][j], dp[i][j-1])
    
    # 构建最长公共子序列
    lcs = []
    i, j = m, n
    while i > 0 and j > 0:
        if arr1[i-1] == arr2[j-1]:
            lcs.append(arr1[i-1])
            i -= 1
            j -= 1
        elif dp[i-1][j] > dp[i][j-1]:
            i -= 1
        else:
            j -= 1
    
    lcs.reverse()
    return lcs

# 示例测试
arr1 = [1, 2, 3, 4, 5]
arr2 = [3, 4, 5, 6]
print(longest_common_subsequence(arr1, arr2))

输出结果为：[3, 4, 5]

这个示例代码使用动态规划的方法来解决问题。首先创建一个二维数组dp，其中dp[i][j]表示arr1前i个元素和arr2前j个元素的最长公共子序列长度。然后使用两个嵌套的循环来遍历数组arr1和arr2，如果当前元素相等，则将dp[i][j]设置为dp[i-1][j-1]+1，否则取dp[i-1][j]和dp[i][j-1]的较大值。

最后，根据dp数组构建最长公共子序列。从dp[m][n]开始，如果arr1[i-1]等于arr2[j-1]，则将该元素添加到结果列表lcs中，同时i和j都减1；否则，根据dp[i-1][j]和dp[i][j-1]的大小关系，决定i或j减1。最后，反转结果列表lcs并返回。